一、ValueError
1.1 Only one class present in y_true. ROC AUC score is not defined in that case.
字面意思：y_true只有一个类呈现。ROC AUC score 没有对这种案例定义操作
直接原因：
1）最初给的标签是 one_hot形式 【n，类别数目】
2）到具体统计某个类时，底层函数分别计算每个类别分数（设置“macro”） 。过程会将该类所在列抽离成【n】形式数据。
3.）此时发现，都是一个数值，存在二义性。程序不清楚这样的数据应该如何对应。是算全部是一个类呢，还是全部不是类。有
间接原因：
1.程序调用是在验证集所有数据上做的，然后某个类，测试样本数目=0 ；
解决办法：
1.调用前后要加 try_catch 。防止一次报错就终止程序。 特别是样本不均衡的类，在batch级别做的统计。容易出错。
2.报错过滤，对于try_catch 捕获到错误，如果是该错误，不进行报错。避免刷屏。
3.batch级别统计时，样本的batch要尽量均匀
4.如果每个类样本数目=0 ，要补充样本。比如，验证集的某类样本数目=0。
1.2 Unknown layer: FixedDropout. Please ensure this object is passed to the `custom_objects` argument.
字面意思：FixedDropout是未知的层，需要在使用的地方，引入相关层的定义
出现位置：“model = tf.keras.models.model_from_json(json_config)” 时报错
原因：字面意思
解决办法：
1.找到“FixedDropout ”的定义，引入到项目中。查阅代码，这个是在EfficientNet中定义的层。直接引入efficientNet解决（import的时候，触发将FixedDropout注册到tensorflow操作）
2.只将层定义和注册部分抠出来，调用一遍。并给model_from_json 的`custom_objects`参数 赋值