GoogleColabのTPU使用時に機械学習の学習が進まない

Question

前提・実現したいこと

Auto-kerasをGoogleColabのTPUを使って学習させたいです。

１つ目のTrialの数エポックまではうまく学習しているのですが、その後以下のエラーメッセージとともに終了してしまいます。

発生している問題・エラーメッセージ

UnimplementedError: File system scheme '[local]' not implemented (file: '/content/drive/MyDrive/実験データ/subI/auto_model/trial_b1a8c10f4540eaf90078fd7714498f50/checkpoints/epoch_3/checkpoint_temp/part-00000-of-00001')
	Encountered when executing an operation using EagerExecutor. This error cancels all future operations and poisons their output tensors. [Op:__inference_train_function_22192]

該当のソースコード

import shutil
import autokeras as ak
import tensorflow.keras as ks
import np_utils
from sklearn.datasets import fetch_openml
import pandas as pd
import numpy as np
import matplotlib
import matplotlib.pyplot as plt
from PIL import Image
import glob
import os
#from keras.preprocessing.image import load_img, img_to_array
import sys
import pickle
import requests
from tqdm import tqdm
from io import StringIO
# 画像用
#from keras.preprocessing.image import array_to_img, img_to_array, load_img
#自作モジュール
from module import sep_dataset, line_send, pre_treatment, model_evaluation, set_datarange

import tensorflow as tf


#教師データが入っているフォルダのパス
train_folder_path = '/content/drive/MyDrive/実験データ/subI'
#モデルの最大試行回数
max_model = 20

#モデル構築（Auto-kerasのモデル設定）
def make_model():
  input_node = ak.ImageInput()
  output_node = ak.ImageBlock(normalize=False, augment=False, )(input_node)
  output_node = ak.ClassificationHead()(output_node)
  model = ak.AutoModel(inputs=input_node, outputs=output_node, overwrite=True, max_trials=max_model, directory=train_folder_path,)
  return model

#テスト・トレーニングデータに分離、検証データの入れ替え及び全パターンの組み合わせの作成
t1, v1 = sep_dataset.main(train_folder_path, 0)
t2, v2 = sep_dataset.main(train_folder_path, 1)
t3, v3 = sep_dataset.main(train_folder_path, 2)
train = []
val = []
for i in range(len(t1)):
  train.append([t1[i]]+[t2[i]]+[t3[i]])
  val.append([v1[i]]+[v2[i]]+[v3[i]])

#前回学習中断箇所の取得(r=中断箇所のセルのrow、　c=中断箇所のセルのcolumn、　v=検証データの数字、　　p=何個目の分割パターンかの数字)
r, c, v, p = set_datarange.main(train_folder_path)

#全パターンを回す
for count in range(p, len(val)):
  for i in range(v,3):
    #データの前処理
    X_train, Y_train = pre_treatment.main(train[count][i], len(train[count][i]))
    X_test, Y_test = pre_treatment.main(val[count][i], len(val[count][i]))

    tf.keras.backend.clear_session()
    resolver = tf.distribute.cluster_resolver.TPUClusterResolver('grpc://' + os.environ['COLAB_TPU_ADDR'])
    tf.config.experimental_connect_to_cluster(resolver)

    # This is the TPU initialization code that has to be at the beginning.
    tf.tpu.experimental.initialize_tpu_system(resolver)
    print("All devices: ", tf.config.list_logical_devices('TPU'))

    strategy = tf.distribute.experimental.TPUStrategy(resolver)
    
    with strategy.scope():
      model = make_model()

      #モデルの訓練（学習）
    model.fit(X_train, Y_train, validation_data=(X_test, Y_test))
 
    #モデル精度評価
    model_evaluation.main(X_test, Y_test, model, val, train_folder_path, count, i)
  v = 0

line_send.main('CNNの解析が終了しました')