执行拟合生成器时出现 Keras (R) 错误

Question

我在 R 中使用 fit_generator 时出错... 这是我的代码..`

model <- keras_model_sequential()

model %>%
  layer_conv_2d(32, c(3,3), input_shape = c(64, 64, 3)) %>%
  layer_activation("relu") %>%
  layer_max_pooling_2d(pool_size = c(2,2)) %>%
  layer_conv_2d(32, c(3, 3)) %>%
  layer_activation("relu") %>%
  layer_max_pooling_2d(pool_size = c(2, 2)) %>%
  layer_flatten() %>%
  layer_dense(128) %>%
  layer_activation("relu") %>%
  layer_dense(128) %>%
  layer_activation("relu") %>%
  layer_dense(2) %>%
  layer_activation("softmax")

opt <- optimizer_adam(lr = 0.001, decay = 1e-6)

model %>%
  compile(loss = "categorical_crossentropy", optimizer = opt, metrics = "accuracy")

train_gen <- image_data_generator(rescale = 1./255,
                                  shear_range = 0.2,
                                  zoom_range = 0.2,
                                  horizontal_flip = T)

test_gen <- image_data_generator(rescale = 1./255)

train_set = train_gen$flow_from_directory('dataset/training_set',
                                          target_size = c(64, 64),
                                          class_mode = "categorical")

test_set = test_gen$flow_from_directory('dataset/test_set',
                                        target_size = c(64, 64),
                                        batch_size = 32,
                                        class_mode = 'categorical')

model$fit_generator(train_set,
                    steps_per_epoch = 50,
                    epochs = 10)

错误： py_call_impl(callable, dots$args, dots$keywords) 中的错误： StopIteration: 'float' 对象不能被解释为整数

如果我设置验证集，它也会出现另一个错误 布尔（验证数据）。浮动错误..

Answer 1

如果没有最小的可重复示例，很难帮助您。

我猜你在尝试运行时会收到此错误

train_set = train_gen$flow_from_directory('dataset/training_set',
                                          target_size = c(64, 64),
                                          class_mode = "categorical")

在这里，您使用reticulate 而不是keras（R 包）包装器自己调用python 函数。这可能有效，但您必须更明确地了解类型并使用 target_size = as.integer(c(64, 64))，因为 python 需要一个整数。

或者，我建议查看keras 包中包含的flow_images_from_directory() 函数。

---

同样的道理

model$fit_generator(train_set,
                    steps_per_epoch = 50,
                    epochs = 10)

我建议调查一下

model %>% 
  fit_generator()

而是，它是keras 包的一部分。