Python Keras-CNN分类器

我确实有一个关于Keras的CNN的问题，如果你愿意帮助我，我将非常感谢

免责声明：我是CNN和Keras的noob，我现在只是在学习他们

---

我的数据：

data_path = Path("../data")

train_path = data_path / "train"
test_path = data_path / "test"
valid_path = data_path / "valid"

train_batch = ImageDataGenerator().flow_from_directory(directory=train_path,
                                                       target_size=(200, 200),
                                                       classes=animals,
                                                       batch_size=10)

valid_batch = ImageDataGenerator().flow_from_directory(directory=valid_path,
                                                       target_size=(200, 200),
                                                       classes=animals,
                                                       batch_size=10)

test_path = ImageDataGenerator().flow_from_directory(directory=test_path,
                                                     target_size=(200, 200),
                                                     classes=animals,
                                                     batch_size=4)

imgs, labels = next(train_batch)

model = Sequential(
    [Conv2D(32, (3, 3), activation="relu", input_shape=(200, 200, 3)), Flatten(),
     Dense(len(animals), activation='softmax')])

model.compile(Adam(lr=.0001), loss='categorical_crossentropy', metrics=['accuracy'])

model.fit_generator(train_path, steps_per_epoch=4, validation_data=valid_batch, validation_steps=3, epochs=5, verbose=2)

2班（狗和猫）

培训：每类30张

测试：每个类别14张图片

有效期：每类30张

---

我的代码：

data_path = Path("../data")

train_path = data_path / "train"
test_path = data_path / "test"
valid_path = data_path / "valid"

train_batch = ImageDataGenerator().flow_from_directory(directory=train_path,
                                                       target_size=(200, 200),
                                                       classes=animals,
                                                       batch_size=10)

valid_batch = ImageDataGenerator().flow_from_directory(directory=valid_path,
                                                       target_size=(200, 200),
                                                       classes=animals,
                                                       batch_size=10)

test_path = ImageDataGenerator().flow_from_directory(directory=test_path,
                                                     target_size=(200, 200),
                                                     classes=animals,
                                                     batch_size=4)

imgs, labels = next(train_batch)

model = Sequential(
    [Conv2D(32, (3, 3), activation="relu", input_shape=(200, 200, 3)), Flatten(),
     Dense(len(animals), activation='softmax')])

model.compile(Adam(lr=.0001), loss='categorical_crossentropy', metrics=['accuracy'])

model.fit_generator(train_path, steps_per_epoch=4, validation_data=valid_batch, validation_steps=3, epochs=5, verbose=2)

---

这是我的错误消息：

data_path = Path("../data")

train_path = data_path / "train"
test_path = data_path / "test"
valid_path = data_path / "valid"

train_batch = ImageDataGenerator().flow_from_directory(directory=train_path,
                                                       target_size=(200, 200),
                                                       classes=animals,
                                                       batch_size=10)

valid_batch = ImageDataGenerator().flow_from_directory(directory=valid_path,
                                                       target_size=(200, 200),
                                                       classes=animals,
                                                       batch_size=10)

test_path = ImageDataGenerator().flow_from_directory(directory=test_path,
                                                     target_size=(200, 200),
                                                     classes=animals,
                                                     batch_size=4)

imgs, labels = next(train_batch)

model = Sequential(
    [Conv2D(32, (3, 3), activation="relu", input_shape=(200, 200, 3)), Flatten(),
     Dense(len(animals), activation='softmax')])

model.compile(Adam(lr=.0001), loss='categorical_crossentropy', metrics=['accuracy'])

model.fit_generator(train_path, steps_per_epoch=4, validation_data=valid_batch, validation_steps=3, epochs=5, verbose=2)

我已将路径替换为“”

回溯（最近一次呼叫最后一次）：
文件“”，第191行，在
模型拟合生成器（训练路径，每个历元的步骤=4，验证数据=有效批次，验证步骤=3，历元=5，详细=2）
文件“y”，第91行，在包装器中
返回函数（*args，**kwargs）
文件“”，第1732行，在fit_生成器中
初始_历元=初始_历元）
文件“”，第185行，在fit_生成器中
发电机输出=下一个（输出发电机）
文件“”，第742行，在get中
六、重放（*sys.exc_info（））
文件“”，第693行，重新放置
增值
get中第711行的文件“”
输入=future.get（超时=30）
get中第657行的文件“”
提升自我价值
文件“”，第121行，在worker中
结果=（True，func（*args，**kwds））
文件“”，第650行，在下一个样本中
返回六个。下一个（\u共享\u序列[uid]）
TypeError:“PosixPath”对象不是迭代器

---

---

谁能解释一下我做错了什么？另外，如果这是一个离题的问题，请告诉我可以在哪里提问。

这句话没有必要

imgs，标签=下一个（批量生产）

从fit_生成器中，第一个参数是一个生成器对象，没有您提供的字符串。像这样

---

model.fit\u生成器（训练路径，每个历元的步骤=4，验证数据=valid\u batch，验证步骤=3，历元=5，verbose=2）

您遇到的问题是，您没有为训练传递生成器，而是传递文件的路径（您使用的是

列车路径

而不是

列车批次

）

而在使用

时，您需要为对象传递生成器。fit\u generator（）

：

---

你应该通过训练批而不是我认为的训练路径。试试这个：

model.fit\u生成器（训练批，每个历元的步骤=4，验证数据=valid\u批，验证步骤=3，历元=5，详细=2）

哦，太好了，你是对的，那是个错误。非常感谢：DI刚刚把我的评论变成了一个答案，因为你告诉我它帮助你解决了问题！我对链接进行了评论，但没有任何改变，一切都是一样的。你也更新了你的

模型。fit_generator

功能如我上面所述？