在keras模型中安装一个简单的图像生成器

我有一个keras模型，它接受一个输入图像和一个标签值

我有一个数据发生器，可以读取图像，对其进行处理并将其输入网络

从PIL导入图像
def my_迭代器（）：
i=0
尽管如此：
img_name=列车方向位置[i，'Image']
img\U标签=列车方向位置[i，'Id']
img=Image.open（'master_train/'+str（img_name））.convert（'L'））
打印（图像模式）
长边=最大（最小尺寸）
水平填充=（长边-img.size[0]）/2
垂直填充=（长边-img.size[1]）/2
img=img.裁剪（（-水平填充，-垂直填充，img.尺寸[0]+水平填充，img.尺寸[1]+垂直填充））
图像缩略图（（128128），图像反别名）
img_array=np.asarray（img，dtype='uint8'）
img_数组=img_数组[：，：，np.newaxis]
打印（img_array.ndim）
产生img_数组、img_标签
i=（i+1）%len（列车方向）
从keras.models导入模型
从keras.layers导入输入，密集
输入层=输入（形状=（128128,1））
x=密集（100，激活='relu'）（输入层）
输出_层=密集（1，激活='sigmoid'）（x）
模型=模型（输入=输入层，输出=输出层）
编译（loss='binary\u crossentropy'，optimizer='nadam'，metrics['accurity']）
model.summary（）
training_generator=my_迭代器（）
模型拟合（训练生成器，每个历元的步数=1）

我得到以下错误

AttributeError回溯（最近一次调用）
在（）
---->1个模型。配合（列车发电机，每历元步数=1）
~/work/venvs/keras3/lib/python3.6/site-packages/keras/engine/training.py in-fit（self、x、y、批量大小、历元、冗余、回调、验证分割、验证数据、无序排列、类权重、样本权重、初始历元、每历元的步骤、验证步骤、**kwargs）
1628样品重量=样品重量，
1629类重量=类重量，
->1630批次大小=批次大小）
1631#准备验证数据。
1632 do_验证=错误
~/work/venvs/keras3/lib/python3.6/site-packages/keras/engine/training.py in\u-standard\u-user\u数据（自身、x、y、样本重量、类别重量、检查数组长度、批次大小）
1474自输入形状，
1475检查批次轴=假，
->1476异常（前缀为“输入”）
1477 y=\u标准化\u输入\u数据（y，自.\u输入\u输出\u名称，
1478个输出_形，
~/work/venvs/keras3/lib/python3.6/site-packages/keras/engine/training.py输入数据（数据、名称、形状、检查批处理轴、异常前缀）
74 data=data.values if data.\u_class\u_.\u_name\u_=='DataFrame'else data
75数据=[数据]
--->76 data=[np.expand_dims（x，1），如果x不是None，则x.ndim==1，否则x代表数据中的x]
77
78如果len（数据）！=len（名称）：
~/work/venvs/keras3/lib/python3.6/site-packages/keras/engine/training.py in（.0）
74 data=data.values if data.\u_class\u_.\u_name\u_=='DataFrame'else data
75数据=[数据]
--->76 data=[np.expand_dims（x，1），如果x不是None，则x.ndim==1，否则x代表数据中的x]
77
78如果len（数据）！=len（名称）：
AttributeError:“生成器”对象没有属性“ndim”
​

您应该使用

fit\u generator

来训练使用生成器的模型，而不是普通的

fit

功能。

谢谢！这很有帮助。但是我认为问题仍然没有解决。我将图像重塑为“img\u数组”。重塑（1128128,1）'因为我现在使用的批处理大小为1，然后再将其传递给我的网络。我的神经网络预期为'input_layer=input（shape=（128128,1）），因为它是黑白图像。我得到错误str没有属性ndim这是与fit_生成器有关的