Почему обратные вызовы вызывают TypeError при добавлении слоев Convolution? тензор потока 2.0.0

Question

Я запускал этот код перед добавлением слоев свертки без каких-либо проблем, но теперь мои обратные вызовы (те же, что я успешно использовал ранее) вызывают следующую ошибку:

TypeError : '>' not supported between instances of 'NoneType' and 'float'

Вот и вся программа:

print(tf.__version__)

# CUSTOM CALLBACKS
class myCallbacks(tf.keras.callbacks.Callback):
  def on_epoch_end(self, epoch, logs={}):
    if(logs.get('acc')>0.9):
      print("\nAchieved 90% Accuracy!")
      self.model.stop_training = True

callbacks = myCallbacks()

# MNIST FASHION DATA
mnist = tf.keras.datasets.fashion_mnist
(training_images, training_labels), (test_images, test_labels) = mnist.load_data()
training_images=training_images.reshape(60000, 28, 28, 1)
training_images=training_images / 255.0
test_images = test_images.reshape(10000, 28, 28, 1)
test_images=test_images/255.0

# NN WITH CONVOLUTIONS
model = tf.keras.models.Sequential([
  tf.keras.layers.Conv2D(64, (3,3), activation='relu', input_shape=(28, 28, 1)),
  tf.keras.layers.MaxPooling2D(2, 2),
  tf.keras.layers.Conv2D(64, (3,3), activation='relu'),
  tf.keras.layers.MaxPooling2D(2,2),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(128, activation='relu'),
  tf.keras.layers.Dense(10, activation='softmax')
])


model.compile(optimizer='adam', loss='sparse_categorical_crossentropy', metrics=['accuracy'])
model.summary()

model.fit(training_images, training_labels, epochs=5, callbacks = [callbacks])
test_loss = model.evaluate(test_images, test_labels)

print(test_acc)

Любой совет с благодарностью!