Python 在Tensorflow中应用数据增强时，使用fit_generator（）拟合模型时出错

我正在win10上使用tensorflow 2.1.0。cuda和cudnn的版本为：

# Name                    Version                   Build  Channel
cudnn                     7.6.5                cuda10.0_0

我想用tf.keras.preprocessing.image.ImageDataGenerator（）实现数据扩充，特别是fit_generator（）方法。但它返回了错误：

2020-04-15 15:06:28.571927: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudnn64_7.dll
2020-04-15 15:06:29.806016: E tensorflow/stream_executor/cuda/cuda_dnn.cc:329] Could not create cudnn handle: CUDNN_STATUS_ALLOC_FAILED
2020-04-15 15:06:29.806503: E tensorflow/stream_executor/cuda/cuda_dnn.cc:329] Could not create cudnn handle: CUDNN_STATUS_ALLOC_FAILED
Traceback (most recent call last):
  File "E:/Studium/Machine Learning/check2.py", line 112, in <module>
    workers=4)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\training.py", line 1297, in fit_generator
    steps_name='steps_per_epoch')
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\training_generator.py", line 265, in model_iteration
    batch_outs = batch_function(*batch_data)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\training.py", line 973, in train_on_batch
    class_weight=class_weight, reset_metrics=reset_metrics)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\training_v2_utils.py", line 264, in train_on_batch
    output_loss_metrics=model._output_loss_metrics)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\training_eager.py", line 311, in train_on_batch
    output_loss_metrics=output_loss_metrics))
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\training_eager.py", line 252, in _process_single_batch
    training=training))
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\training_eager.py", line 127, in _model_loss
    outs = model(inputs, **kwargs)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\base_layer.py", line 891, in __call__
    outputs = self.call(cast_inputs, *args, **kwargs)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\sequential.py", line 256, in call
    return super(Sequential, self).call(inputs, training=training, mask=mask)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\network.py", line 708, in call
    convert_kwargs_to_constants=base_layer_utils.call_context().saving)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\network.py", line 860, in _run_internal_graph
    output_tensors = layer(computed_tensors, **kwargs)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\engine\base_layer.py", line 891, in __call__
    outputs = self.call(cast_inputs, *args, **kwargs)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\keras\layers\convolutional.py", line 197, in call
    outputs = self._convolution_op(inputs, self.kernel)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\ops\nn_ops.py", line 1134, in __call__
    return self.conv_op(inp, filter)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\ops\nn_ops.py", line 639, in __call__
    return self.call(inp, filter)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\ops\nn_ops.py", line 238, in __call__
    name=self.name)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\ops\nn_ops.py", line 2010, in conv2d
    name=name)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\ops\gen_nn_ops.py", line 1031, in conv2d
    data_format=data_format, dilations=dilations, name=name, ctx=_ctx)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\ops\gen_nn_ops.py", line 1130, in conv2d_eager_fallback
    ctx=_ctx, name=name)
  File "C:\ProgramData\Miniconda3\envs\TF_2G\lib\site-packages\tensorflow_core\python\eager\execute.py", line 67, in quick_execute
    six.raise_from(core._status_to_exception(e.code, message), None)
  File "<string>", line 3, in raise_from
tensorflow.python.framework.errors_impl.UnknownError: Failed to get convolution algorithm. This is probably because cuDNN failed to initialize, so try looking to see if a warning log message was printed above. [Op:Conv2D]

2020-04-15 15:06:28.571927:I tensorflow/stream_executor/platform/default/dso_loader.cc:44]已成功打开动态库cudnn64_7.dll
2020-04-15 15:06:29.806016:E tensorflow/stream_executor/cuda/cuda_dnn.cc:329]无法创建cudnn句柄：cudnn_状态_ALLOC_失败
2020-04-15 15:06:29.806503:E tensorflow/stream_executor/cuda/cuda_dnn.cc:329]无法创建cudnn句柄：cudnn_STATUS_ALLOC_失败
回溯（最近一次呼叫最后一次）：
文件“E:/Studium/Machine Learning/check2.py”，第112行，在
工人（4人）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\training.py”，第1297行，在fit\u生成器中
步骤（名称=“每个时代的步骤”）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\training\u generator.py”，第265行，在模型迭代中
批处理输出=批处理功能（*批处理数据）
文件“C:\ProgramData\Miniconda3\envs\TF_2G\lib\site packages\tensorflow_core\python\keras\engine\training.py”，第973行，在批处理的列中
类别权重=类别权重，重置度量=重置度量）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2\u utils.py”，第264行，在批处理的列中
输出\损失\度量=模型。\输出\损失\度量）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\training\u eager.py”，第311行，在批处理的列中
输出损失度量=输出损失度量）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\training\u eager.py”，第252行，在单批处理中
培训=培训）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\training\u eager.py”，第127行，在模型中
输出=型号（输入，**kwargs）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\base\u layer.py”，第891行，在调用中__
输出=self.call（强制转换输入，*args，**kwargs）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\sequential.py”，第256行，在调用中
返回超级（顺序，自）。调用（输入，训练=训练，掩码=掩码）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\network.py”，第708行，在调用中
将\u kwargs\u转换为\u常量=基本\u层\u utils.call\u context（）.saving）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\network.py”，第860行，在内部运行图中
输出张量=层（计算张量，**kwargs）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\engine\base\u layer.py”，第891行，在调用中__
输出=self.call（强制转换输入，*args，**kwargs）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\keras\layers\convolutional.py”，第197行，在调用中
输出=self.\u卷积\u op（输入，self.kernel）
文件“C:\ProgramData\Miniconda3\envs\TF_2G\lib\site packages\tensorflow\u core\python\ops\nn_ops.py”，第1134行，在_调用中__
返回自转换操作（inp，过滤器）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\ops\nn\u ops.py”，第639行，在调用中__
返回自调用（inp、筛选器）
文件“C:\ProgramData\Miniconda3\envs\TF_2G\lib\site packages\tensorflow_core\python\ops\nn_ops.py”，第238行，在u_调用中__
name=self.name）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\ops\nn\u ops.py”，第2010行，conv2d格式
名称=名称）
conv2d中的文件“C:\ProgramData\Miniconda3\envs\TF_2G\lib\site packages\tensorflow\u core\python\ops\gen\u nn\u ops.py”，第1031行
数据\格式=数据\格式，膨胀=膨胀，名称=名称，ctx=\ ctx）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\ops\gen\u nn\u ops.py”，第1130行，位于conv2d\u eager\u fallback中
ctx=_ctx，name=name）
文件“C:\ProgramData\Miniconda3\envs\TF\u 2G\lib\site packages\tensorflow\u core\python\eager\execute.py”，第67行，在quick\u execute中
六、将_从（核心状态）提升到_异常（例如代码、消息），无
文件“”，第3行，从
tensorflow.python.framework.errors\u impl.UnknownError:获取卷积算法失败。这可能是因为cuDNN未能初始化，所以请尝试查看上面是否打印了警告日志消息。[作品：第二辑]

如果我不使用这个命令fit_generator（），那么一切都可以正常工作。有人知道问题出在哪里吗？或者，我如何使用fit（）方法实现这一点

如果我不使用这个命令fit_generator（），那么一切都会正常工作 好的有人知道问题出在哪里吗

fit_generator

功能已被弃用，因此您在安装模型时会遇到问题。因此，在使用数据增强技术时，请使用

model.fit

而不是

model.fit\u generator

在正式文件中，它提到了以下内容。详情请参阅

警告：此函数已弃用。它将在将来的版本中删除。更新说明：请使用支持生成器的Model.fit

如何使用fit（）方法实现此功能

---

你好@PokeLu，你能为这个错误提供一个最小的可复制代码吗？@TF\u支持我已经更改了代码。事实证明fit（）方法也可以做同样的事情。但是当我尝试从“”运行代码时，出现了相同的问题。嗨@PokeLu，你能给出你用于培训的代码吗？@Veeru我通过避免使用fit_Genera解决了这个问题

model.fit(generator_data(x_train, y_train),
                        batch_size=batch_size,
                        epochs=epochs,
                        validation_data=(x_test, y_test),
                        verbose=1)