AttributeError：“zip”对象没有属性“ndim”答案

【问题标题】：AttributeError: 'zip' object has no attribute 'ndim'AttributeError：“zip”对象没有属性“ndim”
【发布时间】：2021-02-19 00:16:12
【问题描述】：

我使用了 keras 文档为 ImageDataGenerator 提供的代码我不断收到此错误

文件“C:\Users\abif\AppData\Local\Continuum\anaconda3\envs\deep_learning\lib\site-packages\keras\engine\training_utils.py”，第 34 行，在standardize_single_array elif x.ndim == 1：

AttributeError: 'zip' 对象没有属性 'ndim'

X_path= os.path.join('......./train_data/', 'images') # input image
Y_path = os.path.join('......../train_data/', 'masks') # ground-truth label

# we create two instances with the same arguments
data_gen_args = dict(#featurewise_center=True,
                     #featurewise_std_normalization=True,
                     rotation_range=45.,
                     #width_shift_range=0.1,
                     #height_shift_range=0.1,
                     zoom_range=[0.2])
seed = 1 
image_datagen = ImageDataGenerator(**data_gen_args)
mask_datagen = ImageDataGenerator(**data_gen_args)

image_generator = image_datagen.flow_from_directory(X_path , class_mode=None, seed=seed,batch_size = 1, 
                                                    target_size=(img_col,img_row),color_mode='grayscale')
mask_generator = mask_datagen.flow_from_directory( Y_path, class_mode=None, seed=seed,batch_size = 1 ,target_size=(img_col, img_row),color_mode='grayscale')

num_train = len(image_generator)
train_generator = zip(image_generator, mask_generator)

model = model.fit(train_generator, steps_per_epoch=num_train, shuffle=True, validation_split=0.1 , batch_size=16, epochs=50,callbacks=[earlystopper, checkpointer])

谁能给我解释一下怎么回事？

【问题讨论】：

嗨。欢迎来到 SO！您能否发布完整的错误跟踪？
请将其作为问题的一部分发布。
你使用的是 keras 而不是 tf.keras，只有 tf.keras 是接受 fit 生成器的，所以你应该使用 fit_generator

标签： python image-processing keras deep-learning conv-neural-network

【解决方案1】：

在下面一行：

model = model.fit(train_generator, steps_per_epoch=num_train, shuffle=True, validation_split=0.1 , batch_size=16, epochs=50,callbacks=[earlystopper, checkpointer])

第一个参数是 zip 函数返回的 zip 对象。根据 Keras 文档，model.fit() 可以采用多种格式，其中第一种是 numpy 数组，这是它所期望的类，因为它具有 ndim（维数）属性，因此会出现错误消息.

https://keras.io/api/models/model_training_apis/

无论您想作为第一个参数发送什么，您都可能希望将 zip 对象转换为一个列表。为此，请使用 list(train_generator)，如果你想要一个 numpy 数组，你可以使用 np.array(trainGeneratorList)，trainGeneratorList 是你得到的，这要归功于 list 函数。

【讨论】：

我按照你的建议做了并使用了list(train_generator)，程序运行了差不多一个小时，然后出现与内存相关的错误信息 MemoryError: Unable to allocate 64.0 KiB for an array with shape (1 , 128, 128) 和数据类型 float32。请给我一个建议，我应该在代码中更改什么？ @OctaveL
@abby 听起来您的内存不足。如果您向其提供了足够的数据，以至于在您的 PC 上分配列表太难（这是相当多的），那么您最好寻找替代解决方案。提供一个生成器而不是一个列表本身可能就足够了，我对库的了解还不够，无法判断 - 你最好用示例代码和所有内容打开另一个线程。

【解决方案2】：

使用这样的数据生成器：

from keras.preprocessing.image import ImageDataGenerator
import keras
import tensorflow as tf
import numpy as np

class JoinedGen(tf.keras.utils.Sequence):
    def __init__(self, input_gen, target_gen):
        self.input_gen = input_gen
        self.target_gen = target_gen

        assert len(input_gen) == len(target_gen)

    def __len__(self):
        return len(self.input_gen)

    def __getitem__(self, i):
        x = self.input_gen[i]
        y = self.target_gen[i]

        return x, y

    def on_epoch_end(self):
        self.input_gen.on_epoch_end()
        self.target_gen.on_epoch_end()
        self.input_gen.index_array = self.target_gen.index_array

train_generator = JoinedGen(image_generator, mask_generator)

model.fit(train_generator, epochs=500, verbose=1, callbacks=[mc, neptune_cbk])

如果你使用list它会在开始训练之前生成所有样本，它会炸毁你的记忆。

【讨论】：