小编Mik*_*ley的帖子

我想训练一个卷积网络来解决图像数据上的多类、多标签问题。由于数据的性质和原因，我就不告诉你，这将是最好的，如果我可以使用自定义[R生成函数进料fit_generator命令，而其内置的image_data_generator和flow_images_from_directory命令（这点我是能够成功开始工作，而不是针对这个特定问题）。

在这里（https://www.rdocumentation.org/packages/keras/versions/2.2.0/topics/fit_generator）它说我可以做到这一点，而无需提供任何示例。所以我尝试了以下方法。这是我正在尝试做的一个极其精简的示例（此代码完全自包含）：

library(keras)
library(reticulate)      #for py_iterator function

play.network = keras_model_sequential() %>%
  layer_dense(units = 10, activation = "relu", input_shape = c(10)) %>%
  layer_dense(units = 1, activation = "relu")

play.network %>% compile(
  optimizer = "rmsprop",
  loss = "mse"
)

mikes.custom.generator.function = function()     #generates a 2-list of a random 1 x 10 array, and a scalar
{
  new.func = function()
  {
    arr = array(dim = c(1,10))
    arr[,] = sample(1:10, 10, replace = TRUE)/10
    return(list(arr,runif(1)))
  } …