如何使用支持生成器的 Model.fit（在 fit_generator 弃用后）

Question

我Model.fit_generator在 tensorflow 中使用时收到了这个弃用警告：

WARNING:tensorflow: Model.fit_generator (from tensorflow.python.keras.engine.training) is deprecated and will be removed in a future version.
Instructions for updating:
Please use Model.fit, which supports generators.

我该如何使用Model.fit而不是Model.fit_generator？

Answer 1

Model.fit_generator从目前在rc1 中的tensorflow 2.1.0 开始不推荐使用。您可以在此处找到 tf-2.1.0-rc1 的文档：https : //www.tensorflow.org/versions/r2.1/api_docs/python/tf/keras/Model#fit

如您所见， can 的第一个参数Model.fit采用生成器，因此只需将生成器传递给它即可。

Answer 2

如文档中所述（强调我的）：

x：输入数据。它可能是

• 一个 Numpy 数组（或类似数组），或数组列表（以防模型有多个输入）。
• 一个 TensorFlow 张量，或一个张量列表（如果模型有多个输入）。
• 如果模型具有命名输入，则 dict 将输入名称映射到相应的数组/张量。
• tf.data 数据集。应该返回（输入，目标）或（输入，目标，sample_weights）的元组
• 返回（输入、目标）或（输入、目标、样本权重）的生成器或 keras.utils.Sequence。下面给出了迭代器类型（数据集、生成器、序列）的解包行为的更详细描述。

您可以简单地将生成器传递给Model.fit类似于Model.fit_generator

data_gen_train = ImageDataGenerator(rescale=1/255.)

data_gen_valid = ImageDataGenerator(rescale=1/255.)

train_generator = data_gen_train.flow_from_directory(train_dir, target_size=(128,128), batch_size=128, class_mode="binary")

valid_generator = data_gen_valid.flow_from_directory(validation_dir, target_size=(128,128), batch_size=128, class_mode="binary")

model.fit(train_generator, epochs=2, validation_data=valid_generator)