TypeError: fit_generator()获得意外的关键字参数“samples_per_epoch”

TypeError: fit_generator()获得意外的关键字参数“samples_per_epoch”

这个错误是由于在使用Keras的fit_generator()函数时，传入了意外的关键字参数“samples_per_epoch”。在Keras 2.1.0版本之后，fit_generator()函数的参数发生了变化，不再使用“samples_per_epoch”参数，而是使用“steps_per_epoch”参数来指定每个epoch中的步数。

解决这个问题的方法是将“samples_per_epoch”参数改为“steps_per_epoch”，并将其设置为每个epoch中的步数。步数可以通过将样本总数除以批次大小来计算得到。

以下是一个示例的修正代码：

from keras.models import Sequential
from keras.layers import Dense
from keras.preprocessing.image import ImageDataGenerator

# 创建模型
model = Sequential()
model.add(Dense(10, input_shape=(784,)))

# 编译模型
model.compile(optimizer='sgd', loss='categorical_crossentropy')

# 创建ImageDataGenerator对象
datagen = ImageDataGenerator()

# 生成器函数
def generator():
    while True:
        # 生成批次数据
        x_batch, y_batch = datagen.flow(x_train, y_train, batch_size=32).next()
        yield x_batch, y_batch

# 训练模型
model.fit_generator(generator(), steps_per_epoch=len(x_train) // 32, epochs=10)

在上面的示例中，我们使用ImageDataGenerator生成器来生成批次数据，并通过yield语句将数据传递给fit_generator()函数。steps_per_epoch参数被设置为样本总数除以批次大小的结果。

腾讯云相关产品和产品介绍链接地址：

• 腾讯云容器服务（Tencent Kubernetes Engine，TKE）：提供高度可扩展的容器化应用管理平台，支持快速部署、弹性伸缩和自动化运维。详情请参考：https://cloud.tencent.com/product/tke
• 腾讯云云服务器（CVM）：提供可扩展的云服务器实例，支持多种操作系统和应用场景，适用于各种规模的业务需求。详情请参考：https://cloud.tencent.com/product/cvm
• 腾讯云对象存储（Tencent Cloud Object Storage，COS）：提供安全可靠的云端存储服务，支持海量数据存储和访问，并提供多种数据管理和数据处理功能。详情请参考：https://cloud.tencent.com/product/cos
• 腾讯云人工智能（Tencent AI）：提供丰富的人工智能服务和解决方案，包括图像识别、语音识别、自然语言处理等，帮助开发者构建智能化的应用。详情请参考：https://cloud.tencent.com/product/ai