fit_generator()缺少1个必需的位置参数：“generator”
fit_generator()是Keras中用于训练模型的函数之一。它用于从生成器中获取数据并训练模型。在使用fit_generator()函数时，确实了一个必需的位置参数："generator"。
fit_generator(generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch)
参数解释：
- generator：生成器对象，用于生成训练数据。
- steps_per_epoch：一个epoch中的步数，即生成器返回数据的总批次数。
- epochs：训练的轮数。
- verbose：日志显示模式，0表示不显示日志，1表示显示进度条，2表示显示每个epoch的日志。
- callbacks：用于在训练过程中执行的回调函数列表。
- validation_data：用于验证的生成器对象。
- validation_steps：在验证集上的步数。
- class_weight：用于设定不同类别的权重，可以用于处理类别不平衡的问题。
- max_queue_size：生成器队列的最大容量。
- workers：用于生成数据的线程数。
- use_multiprocessing：是否使用多进程生成数据。
- shuffle：是否在每个epoch之前打乱数据。
- initial_epoch：开始训练的初始epoch。
fit_generator()函数的作用是根据给定的生成器对象和参数进行模型训练。它适用于当数据集太大无法一次性加载到内存中时，可以通过生成器逐批次地读取数据进行训练。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云AI开发平台：https://cloud.tencent.com/product/ai
- 腾讯云云服务器CVM：https://cloud.tencent.com/product/cvm
- 腾讯云容器服务TKE：https://cloud.tencent.com/product/tke
- 腾讯云数据库MySQL版：https://cloud.tencent.com/product/cdb_mysql
- 腾讯云对象存储COS：https://cloud.tencent.com/product/cos
- 腾讯云区块链服务：https://cloud.tencent.com/product/tbaas
- 腾讯云视频处理服务：https://cloud.tencent.com/product/vod
- 腾讯云物联网平台：https://cloud.tencent.com/product/iotexplorer
- 腾讯云移动开发平台：https://cloud.tencent.com/product/mpe
- 腾讯云CDN加速：https://cloud.tencent.com/product/cdn
- 腾讯云安全产品：https://cloud.tencent.com/product/safe
相关·内容
1回答
在fit_generator中，“洗牌”是做什么的？
machine-learning、neural-network、keras
我手动构建了一个数据生成器，生成每个调用的[input, target]元组。我每一个时代都会设置我的发电机来洗牌训练样本。然后，我使用fit_generator来调用我的generator，但是对这个函数中的“洗牌”参数感到困惑：
fit_generator(self, generator, steps_per_epoch=None, epochs=1, verbose=1, callbacks=None, validation_data=None, validation_steps=None, class_weight=None, max_queue_size=10, workers=1,
浏览 0提问于2018-02-28得票数 11
回答已采纳
2回答
具有多个元素的数组的真值是不明确的。在图像分类问题中使用a.any()或a.all()
python-3.x、image-processing、deep-learning、computer-vision
我使用预定义的模型vgg16进行图像分类，我在验证数据中获得了89%的准确率，为了提高模型的准确性，我进行了图像增强，但得到了一些错误。请帮我讲讲如何适合这个模型。这是我的代码。
train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
train_datagen.fit(X_train)
我使用的输入图像是64x64x3。我就是这样的一个合适的模特。
history = m
浏览 0提问于2019-03-28得票数 0
1回答
“float”类型的对象没有len()和图像生成问题
python、image-processing、keras、deep-learning
我正在做图像分类，我正在努力提高我的准确性，我试图生成图像的目的，但是，我得到了一些文件路径错误，请帮助我如何做。 下面是我的代码： train_datagen = ImageDataGenerator(
rescale=1./255,
shear_range=0.2,
zoom_range=0.2,
horizontal_flip=True)
test_datagen = ImageDataGenerator(rescale=1./255)
train_generator = train_datagen.flow_from
浏览 55提问于2019-03-21得票数 0
1回答
AttributeError：“SequenceGenerator”对象没有属性“shape”自定义序列生成器Keras2.2.4
python、keras、sequence、google-colaboratory
我试图将fit_generator与自定义train_sequence_generator和自定义test_sequence_generator一起使用，我得到了下面的错误。请告诉我该在哪里更改代码。
1.自定义序列类：
import os
import numpy as np
from keras.utils import Sequence
from batchGenerator import BatchGenerator
from settings import batch_size, train_folder, test_folder
class SequenceGenerato
浏览 0提问于2019-04-07得票数 4
2回答
'NoneType‘对象不是可订阅的- Keras自定义回调类中的错误
tensorflow、keras、tf.keras
当我定义一个自定义回调函数时，我会得到这个错误。
'NoneType' object is not subscriptable
代码样本
class Metrics(tf.keras.callbacks.Callback):
def on_train_begin(self, logs={}):
self._data = []
def on_epoch_end(self, batch, logs={}):
X_val, y_val = self.validation_data[0], self.validation_data[1]
浏览 0提问于2019-08-07得票数 5
回答已采纳
1回答
ValueError:检查输入时出错:期望vgg16_input具有形状(224,224，3)，但得到与形状(224,224，1)相同的数组
python、keras、computer-vision、conv-neural-network
我正试图建立一个面部表情识别模型。为此，我使用转移学习。
下面是train_generator：
IMG_HEIGHT=224
IMG_WIDTH = 224
batch_size=32
train_generator = train_datagen.flow_from_directory(
train_data_dir,
color_mode='grayscale',
target_size=(IMG_HEIGHT, IMG_WIDTH),
batch_size=batch_size,
class_mode='categori
浏览 7提问于2022-03-19得票数 0
回答已采纳
1回答
掩码RCNN: IndexError:布尔索引与索引数组不匹配
python-3.x、tensorflow、keras、deep-learning、boolean
我正在做一个项目，我需要对Mask进行关于SpaceNet数据集的培训。
所以，当我试图训练我的模型时，会出现很多警告和错误。
错误信息是：
---------------------------------------------------------------------------
IndexError Traceback (most recent call last)
<ipython-input-11-a73fb1f7a961> in <module>
8 l
浏览 0提问于2019-09-12得票数 1
1回答
AttributeError：“”numpy.float32“”对象没有属性“”__index__“”
numpy、tensorflow、keras、deep-learning、data-fitting
我尝试使用Tensorflow.keras.utils.Sequence使用一个简单的数据生成器来训练一个模型，但出现了numpy属性错误。 from tensorflow.keras.utils import Sequence
class DataGenerator(Sequence):
def __init__(self, dataset, batch_size=16, dim=(1), shuffle=True):
'Initialization'
self.dim = dim
self.batch_size =
浏览 298提问于2020-02-01得票数 0
回答已采纳
1回答
运行形状时的内存问题将对keras版本的mrcnn示例进行培训。
python、tensorflow、keras、conv-neural-network
我尝试以keras版本的mrcnn的形状示例运行列车代码，这里是github链接：我尝试了更大的内存，并减少了每个时期的图像数量，但是没有工作，所以这不是内存问题。这是密码
model.train(dataset_train, dataset_val,
learning_rate=config.LEARNING_RATE,
epochs=1,
layers='heads')
以下是错误：
OSError
浏览 0提问于2018-07-13得票数 0
回答已采纳
1回答
从np数组转换后，keras (tensorflow 2.0)中tensorflow数据集数据的形状错误
python、tensorflow、tensorflow-datasets、tensorflow2.0
在this guide之后设置一个简单的TensorFlow2.0测试时，keras输入层的输入是错误的，但只有在转换为数据集(假装具有正确的形状)之后才会出现错误。 当然，从文档中运行colab notebook是可行的，但我无法确定我的设置可能出了什么问题。如有任何提示，欢迎光临！ 在jupyter实验室设置一些假数据： data = np.random.random((1000, 32,))
labels = np.random.random((1000, 10,))
dataset = tf.data.Dataset.from_tensor_slices((data, labels
浏览 31提问于2019-04-12得票数 3
回答已采纳
1回答
神经网络Python错误“未能得到卷积算法”
python、tensorflow、keras、neural-network
我试着用Python运行一些神经网络代码。我让它在Google Colab上运行得很好。然后，我将代码移至远程计算机GPU上的朱庇特笔记本。
它可以正常运行，直到我尝试使用以下方法来拟合该模型：
history = model.fit_generator(generator=training_generator, validation_data=validation_generator, use_multiprocessing=True, workers=1, epochs=100, shuffle=True, verbose=1)
下面是完整的错误消息。我只是不知道从哪里开始理解它的意义，所
浏览 4提问于2019-12-05得票数 1
回答已采纳
1回答
如何在keras max_queue_size ()中定义max_queue_size、workers和use_multiprocessing？
python、tensorflow、machine-learning、keras、gpu
我正在应用转移学习在一个预先培训的网络上使用GPU版本的keras。我不明白如何定义参数max_queue_size，workers，和use_multiprocessing.如果我改变这些参数(主要是为了加速学习)，我不确定每个时代是否仍然可以看到所有的数据。
max_queue_size
内部训练队列的最大大小，用于从生成器中“预缓存”示例。
问:这是否指CPU上准备了多少批？它与workers有什么关系？如何最优地定义它？
workers：
并行生成批处理的线程数。批处理在CPU上并行计算，然后动态传递到GPU进行神经网络计算。
问:如何找出CPU可以/应该并行生
浏览 0提问于2019-04-05得票数 67
回答已采纳
1回答
检查目标时出错:将FC层转换为Conv2D
python、tensorflow、keras、deep-learning、conv-neural-network
我试图用卷积层取代VGG 16网络末尾的FC层。下面是我的代码：
model2= Sequential()
model2.add(Conv2D(4096, kernel_size=(8,8), activation="relu"))
model2.add(Conv2D(4096, kernel_size=(1,1), activation="relu"))
model2.add(Conv2D(16, kernel_size=(1,1), activation="softmax"))
model = applications.VGG16(weig
浏览 2提问于2020-02-17得票数 1
回答已采纳
2回答
在Keras中编写图像预处理的自定义函数
python、opencv、keras、typeerror、image-preprocessing
我是一个初学者，使用keras_flow_from_dataframe类训练一个关于糖尿病视网膜病变的图像数据集。但我的模型一直不太合适。因此，我尝试了预处理，编写了一个自定义预处理函数，使用OpenCV的自适应阈值实现将其传递到我的图像数据生成器类中。当我在Keras之外使用这个函数时，它工作得很好，但是当我将它添加到我的图像数据生成器类中并拟合我的模型时，它在我的第一个时期开始之前返回了一个类型错误，说是bad argument type for built-in operation。 下面是预处理代码： def preprocess(im):
im = cv2.imread(
浏览 27提问于2019-03-19得票数 4
回答已采纳
5回答
model.fit中的流量值错误-如何修复
python-3.x、tensorflow、machine-learning、neural-network、mnist
我正在尝试使用MNIST数据集来训练一个深度神经网络。
BATCH_SIZE = 100
train_data = train_data.batch(BATCH_SIZE)
validation_data = validation_data.batch(num_validation_samples)
test_data = scaled_test_data.batch(num_test_samples)
validation_inputs, validation_targets = next(iter(validation_data))
input_size = 784
output_si
浏览 5提问于2019-10-29得票数 4
回答已采纳
2回答
如何使用python修复CNN中的这个问题？
python、machine-learning、deep-learning、computer-vision、speech-recognition
我有五个文件夹，每个文件夹有25个数据点。我们将数据划分为训练和测试拆分，以便75%的数据用于训练，其余25%用于测试。以下是我的代码
batch_size = 128
epochs = 50
model= create_model()
sgd = optimizers.SGD(lr=0.01, decay=1e-6, momentum=0.9, nesterov=True)
model.compile(loss='mean_squared_error', optimizer=sgd, metrics=['accuracy'
浏览 2提问于2020-03-01得票数 0
1回答
用Keras训练模型时的形状误差(Tensorflow)
python、tensorflow、keras、time-series、lstm
我是机器学习的新手，我发现用TensorFlow的Keras很难掌握模型的训练。我正在尝试使用TensorFlow进行时间序列预测。我有一个生成器函数，它生成培训数据和标签：
x_batch, y_batch = next(generator)
print(x_batch.shape)
print(y_batch.shape)
(256, 60, 9)
(256, 60, 3)
我构建模型的方式如下：
model = Sequential()
model.add(LSTM(128, input_shape=(None, num_x_signals,), return_sequences=T
浏览 1提问于2018-12-18得票数 1
回答已采纳
1回答
带有熊猫迭代器对象的Keras fit_generator
python、pandas、keras、generator
我有一个csv太大，无法立即读到内存，所以我想分块出来，并配合一个角模型与它一块一块。我想我误解了fit_generator函数是如何工作的，因为我不断地获得StopIteration错误，即使chunksize & steps_per_epoch正确地说明了我的csv中有多少行。
代码：
import pandas as pd
import numpy as np
from keras.models import Sequential
from keras.layers import Dense, Dropout
np.random.seed(26)
x_train_generat
浏览 5提问于2017-10-09得票数 6
回答已采纳
1回答
在角膜视黄醇训练中如何改变批号
python-3.x、oop、keras
我正在尝试训练一个keras_retinanet模型，如下面给出的代码所示，并且培训工作很好。我为CSVGenerator函数创建了一个fit_generator数据生成器，它继承了“生成器”超类，其中有一个名为"batch_size“的参数默认为"1”。
我想更改这个"batch_size“变量的值，但我无法弄清楚如何做到这一点。任何帮助都是非常感谢的。
model = load_model('./snapshots/resnet50_csv_01.h5',
backbone_name='resnet50')
generator =
浏览 2提问于2018-12-12得票数 0
回答已采纳
1回答
如何调用keras的ImageDataGenerator中的验证数据
python-3.x、keras
我正在研究MNIST数据集，并决定尝试数据转换。现在直接：
我使用验证拆分生成数据，如下所示：
datagen = keras.preprocessing.image.ImageDataGenerator(... , validation_split=0.21, ...)
datagen.fit(train_x)
但我不知道能不能把这个验证分割成模型
hist = model.fit_generator(datagen.flow(train_x, train_y, batch_size =32),
steps_per_epoc
浏览 2提问于2020-02-17得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
