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
batch_size=batch_size,interpolation="lanczos",shuffle=True)
hist = Model.fit_generatorTraceback (most recent call last) 2 hist = Model.fit_generatorvalidation_steps=math.ceil(valid_datagenerator.
浏览 70提问于2021-07-08得票数 0
1回答
当我试图训练模型时，我一直得到以下代码的错误：TypeError: fit_generator() missing 1 required positional argument: 'generator'为了我的生命，我不知道是什么导致了这个错误。x_train是形状的rgb图像(400、256、256、3)，对于y_train，我有10个输出类使它成为形状(400、256、256、10)。train_labels[:400,:,:]
y_val = train_labels[400:5
浏览 0提问于2018-11-21得票数 2
回答已采纳
我正在尝试训练一个CNN来检测一个图像是否是深度假的，但在运行代码时我一直收到这个错误: TypeError: fit_generator()缺少一个必需的位置参数：‘生成器’我如何摆脱这个错误？我的代码有问题吗？我也不确定分类器类是否是必要的，所以我把它包括进来了，但把它注释掉了。我的完整代码如下：config = tf.compat.v1.ConfigProto
浏览 0提问于2021-03-06得票数 0
1回答
Error: TypeError: fit_generator() got multiple values for argument 'steps_per_epoch'NN.fit_generator
浏览 0提问于2018-05-04得票数 0
回答已采纳
我遵循为我的Keras模型创建了一个自定义生成器。model = Model([input_1, input_2, y_input], output_1) model.fit_generator(generator=train_generator, va
浏览 0提问于2018-11-23得票数 3
回答已采纳
下面是训练模型的函数。if val_x is not None and val_y is not None and val_micro is not None: return model
fit_generator我不知道在正确
浏览 84提问于2021-03-15得票数 0
我是Python 3.5的新手。我试图编写一个简单的自动编码器，它将训练60幅苹果图像的数据集，并试图重建在根目录中给出的图像。./255) directory=r"C:\Users\vlsi\Desktop\trainbatch_size=32, shuffle=True,
s
浏览 0提问于2018-10-12得票数 5
回答已采纳
在Keras中，它提供了包含参数fit_generator()的validation_data，在每个validation_freq之后，我们可以看到acc和val_acc值。另一种方法evaluate_generator()也接受验证数据并给出一个精确的评分。 acc和val_acc在fit_generator()中意味着什么以及它们为什么不同？validation_data指的是与fit_generator()相同的</
浏览 1提问于2019-10-21得票数 0
由于某些原因，当我使用带keras的ImageDataGenerator时，当我开始fit时它就冻结了。我得到了以下输出。它就挂在线路Epoch 1/5上Loading DataFitting Data它显示我的一个CPU核心正在以100%的速度运行，所以cpu上发生了一些事情-尽管它应该使用我的GPU来适应数据
浏览 3提问于2016-05-08得票数 6
我尝试了“fit”和“fit_generator”函数。我不明白为什么在表现上有很大的差异，可能是我做错了什么。这是我第一次编写batch_generator代码。如果批大小为10，我观察到的是当使用函数时-样本- 80/7632 .-埃塔: 4:31 -损失: 2.2072 - acc: 0.4375
fit_generator：训练速度慢得多(每小时10分钟)，计数一次增加1次(不等于批
浏览 0提问于2019-06-14得票数 0
回答已采纳
我有一个不平衡的多类数据集，我想使用来自fit_generator的fit_generator参数来根据每个类的图像数量给类赋予权重。可以从class_weight对象直接推断ImageDataGenerator参数吗？
浏览 8提问于2017-03-03得票数 17
回答已采纳
我有两个相当大的PyTables EArrays，它包含用于回归任务的输入和标签。输入数组为4d (55kx128x128x3)，标签数组为1d (55k)。我只想对完整数据的一些随机子集进行训练，因为我想使用训练、测试和验证分裂。我通过对指数的随机子集进行切片来选择分裂。是否有什么方法可以创建磁盘上数组的“视图”，该数组可以被切片，并且Keras会将其视为常规的NumPy ndarray？到目前为止，我尝试的是将我的数组转换为Keras HDF5Ma
浏览 3提问于2016-12-20得票数 5
当我使用我的数据集在Keras中使用Resnet-50 (后端是tensorflow)时，我发现非常奇怪的是，在每个时期之后，val比火车慢。我不知道为什么，是因为我的GPU内存不足吗？我的图形处理器是K2200，它有4 GB的内存。我是不是误解了段落的意思？我有35946张火车图片，所以我使用：我有8986的val图片，所以我使用：以下是我代码的一部分：
浏览 0提问于2017-04-01得票数 6
在训练用于图像分类的keras模型(来自狗品种识别数据集的120个类，KAGGLE)时，我需要使用我在某个地方读到的类权重来平衡类，在示例中我看到人们使用fit_生成器的参数class_weight。但我在model.compile中发现了另一个参数，weighted_metrics，它在docs中的描述是：“sample_weight或class_weight在培训和测试期间要评估和加权的指标列表请用任何例子解释这个参数的<
浏览 0提问于2019-07-03得票数 6
回答已采纳
下面是我训练时生成数据的代码。例如，如果总图像= 70 batch_size = 32，那么在第一次和第二次迭代中得到32幅图像，而第三次则给出6幅图像。实际上，我正试图训练一个GAN，其中一批图像是从Generator生成的，然后它与一批真实图像连接起来，然后传递给判别器-模型和GAN-模型来训练。我不知道如何在其中使用fit_generator，代码如下所示： BASE =real_images =
浏览 0提问于2019-09-17得票数 4
2回答
我有一个生成器函数，它生成(输入，目标)的元组，我的模型在这个元组上使用Keras中的fit_generator()方法进行训练。 我的数据集被分成9个相等的部分。我希望使用fit_generator()方法对数据集执行留一交叉验证，并保持先前训练的学习参数不变。我的问题是，在模型上多次调用fit_generator()会让它从头开始重新学习之前的训练和验证集上的
浏览 21提问于2019-06-13得票数 3
回答已采纳
我试图建立一个具有多个输入和输出的训练模型。我猜问题在于fit_generator不能处理numpy数组。我的fit生成器看起来像这样： """
Train the modeloptimizer=Adam(
浏览 18提问于2019-11-29得票数 0
1回答
我刚刚注意到，每次运行Keras模型都会得到不同的结果。我已经尝试过 on GitHub的解决方案，基本上：
train_generator = train_datagen.flow_from_direct
浏览 0提问于2018-08-22得票数 3
我是卷积神经网络的新手，python .My模型训练正确，但是当我添加fit_genarator时，我得到了输出部分提到的错误。./255)
'E:/P14-Convolutional-Neural-Networks( steps_per_epoch=8000,
浏览 0提问于2019-12-14得票数 0
但是，中的fit_generator和其他类似方法的源代码调用next方法，并将生成器作为参数传递。根据我的理解，这意味着来自Sequence的子类应该是需要实现__next__方法的迭代器。为了通过fit_generator、predict_generator等方法使用从Sequence派生的子类，是否需要实现__next__方法？
浏览 7提问于2019-11-01得票数 1
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
即时通信 IM
腾讯会议活动推荐
腾讯云开发者
