keras上的Tensorboard回调在训练多个网络时给出了InvalidArgumentError

Question

我有一个方法train_model，它获取keras模型对象作为输入并对其进行训练。我在代码的其他地方有一个循环，它在每次迭代中创建一个新模型并将其传递给这个方法。如果我不传递TensorBoard回调，我的代码就可以正常工作。但是，当我通过TensorBoard回调时，第一个网络得到训练，但是对于第二个网络，我得到以下错误：

tensorflow.python.framework.errors_impl.InvalidArgumentError: You must feed a value for placeholder tensor 'dense_7_target' with dtype float and shape [?,?] [[{{node dense_7_target}} = Placeholderdtype=DT_FLOAT, shape=[?,?], _device="/job:localhost/replica:0/task:0/device:CPU:0"]]

在调用.fit方法之后。（我正在构建的网络是5层）

还有更多意想不到的行为： 当我第二次运行此代码时，第一个网络将不需要训练（因为我已经保存了模型，它将只加载该模型），第二个网络得到训练，没有错误，但我得到了第三个网络相同的错误。你知道吗

在本例中，当我检查TensorBoard图时，我看到第一个网络已正确创建，但第二个网络的层是其应有层的两倍（就好像第一个模型已首先加载，然后第二个网络已在其上构建）。 这是我的train_model方法：

def train_model(model, data, dataname, MODEL_DIR, LOG_DIR, BS, EP, callbacks):
X_train, Y_train, X_test, Y_test = data
if not os.path.exists(MODEL_DIR):
    os.makedirs(MODEL_DIR)
model_callback = tf.keras.callbacks.ModelCheckpoint(MODEL_DIR + dataname + '/',
                                                    monitor='mse',
                                                    verbose=1,
                                                    save_weights_only=True)
tb_callback = tf.keras.callbacks.TensorBoard(log_dir=LOG_DIR + dataname,histogram_freq=10)
callbacks += [model_callback, tb_callback]
if not os.path.exists(MODEL_DIR + dataname + '/'):
    model.fit(X_train, Y_train, batch_size=BS, epochs=EP, verbose=0, callbacks=callbacks, validation_split=0.2)
validation_split=0.2)
    else:
        model.load_weights(MODEL_DIR + dataname + '/')
    return model

我已经尽了我所能，我真的不知道我的代码出了什么问题。你知道吗

感谢您的帮助。提前谢谢。你知道吗