isinstance() arg 2 必须是类型、类型元组或联合

我在尝试训练模型时收到一条错误消息，但出于某种原因，每次更改模型时它都会给我相同的消息。

以下是代码：

# Define training arguments
training_args = TrainArgument(
    output_dir="bert_results",
    num_train_epochs=3,
    per_device_train_batch_size=8,
    per_device_eval_batch_size=32,
    warmup_steps=500,
    weight_decay=0.01,
    logging_dir="bert_results/logs",
    logging_steps=10,
)



# Initialize the TFTrainer
trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=train_dataset,
    eval_dataset=eval_dataset,
    loss_function=("categorical_crossentropy")
)

# Train the model
trainer.train()




What I am getting in return "Traceback (most recent call last):
  File "C:\Users\Jesh\PycharmProjects\Yelp\finetuning.py", line 44, in <module>
    trainer = Trainer(
              ^^^^^^^^
  File "C:\Users\Jesh\PycharmProjects\Yelp\venv\Lib\site-packages\tftrainer\trainer.py", line 32, in __init__
    if isinstance(callable, loss_function)
       ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
TypeError: isinstance() arg 2 must be a type, a tuple of types, or a union" 

我正在开发一个机器学习项目，我在该项目中期望在运行特定脚本后生成我的微调模型。该脚本涉及使用自定义训练器类来训练模型。尽管对训练器类进行了各种修改以改进训练过程，但我始终遇到与模型状态相关的错误。

具体错误消息是：“状态错误”。此错误表明模型在训练过程中或训练后的状态管理存在问题。

错误信息“TypeError: isinstance() arg 2 must be a type, a tuple of types, or a union”表明传递给 loss_function 参数的内容不正确。传递的是字符串 ("categorical_crossentropy") ，而它应该是类似 tf.keras.losses.CategoricalCrossentropy 的可调用函数。

尝试将代码修改为以下内容以解决此问题：

import tensorflow as tf
from transformers import Trainer, TrainingArguments

# ...的代码...

# 初始化 TFTrainer
trainer = Trainer(
    model=model,
    args=training_args,
    train_dataset=train_dataset,
    eval_dataset=eval_dataset,
    loss_function=tf.keras.losses.CategoricalCrossentropy(),  # 修改此行
)

# ...的代码...

通过进行此更改，传递的是 tf.keras.losses.CategoricalCrossentropy 的实际可调用函数，而不是字符串表示形式。这应该可以解决遇到的 TypeError 并允许的代码正确运行。

如果在进行此更改后仍然遇到问题，请提供有关的 model 、 train_dataset 和 eval_dataset 的更多信息，以便我可以进一步帮助。