Python 批次大小=x.shape[0]属性错误：'；元组'；对象没有属性'；形状'；

此代码结合图像和遮罩进行图像检测？
我怎样才能纠正这个错误

batch_size=x.shape[0]AttributeError:“tuple”对象没有属性“shape”

这是用于培训的代码：

train_datagen = ImageDataGenerator(
            rescale=1. / 255,
            shear_range=0.2,
            zoom_range=0.2,
            horizontal_flip=True)
train_datagen_1 = ImageDataGenerator(
            rescale=1. / 255,
            shear_range=0.2,
            zoom_range=0.2,
            horizontal_flip=True)


train_generator = train_datagen.flow_from_directory(
            train_data_dir,
            target_size=(200, 150),
            batch_size=1
          )
train_generator_1= train_datagen_1.flow_from_directory(
            train_data_dir_1,
            target_size=(200, 150),
            batch_size=1)
train_generator_2 = zip( train_generator, train_generator_1)

model.fit_generator(
            train_generator_2,
            steps_per_epoch=nb_train_samples // batch_size,
            epochs=50)

这是我正在使用的模型：

model = Sequential() 
model.add(Conv2D(32, (3, 3), input_shape=(200, 150, 3))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Flatten()) 
model.add(Dense(20)) model.add(Activation('relu')) 
model.add(Dropout(0.5)) 
model.add(Dense(90000)) 
model.add(Activation('sigmoid')) 
model.compile(loss='mse', optimizer='rmsprop', metrics=['accuracy'])

---

因此，由于您的模型只有一个输出，因此不能像这样连接两个生成器

• 生成器必须输出元组中的

  （输入，输出）

• 您正在输出

  （（input1，output1），（input2，output2））

  ，元组中的元组

当您的模型从生成器中获取批次时，它试图获取它认为是

输入的形状，但它会找到
（输入，输出）

使用发电机：

您可以像这样创建自己的生成器：

def myGenerator(train_generator,train_generator1):

    while True:

        xy = train_generator.next() #or next(train_generator)
        xy1 = train_generator1.next() #or next(train_generator1)
        yield (xy[0],xy1[0])

用以下命令实例化它：

train_generator2 = myGenerator(train_generator,train_generator1)


现在，您将在输出形状方面遇到真正的问题。如果你从一幅图像到另一幅图像，我建议你使用纯卷积模型

卷积层输出
（批处理、边1、边2、通道）
，这是您在图像中处理的形状

但密集层输出
（批次、大小）
。只有稍后使用
重塑（（200150,3））
对其进行重塑，以匹配您的“真实图像”，此功能才能发挥作用

提示：模型中间的一个稠密的20可能太小而不能代表整个图像。（当然这取决于你的任务）
此任务的一个可能模型是：

Conv
... Maybe more convs
MaxPooling
Conv
... Maybe more convs
MaxPooling
Conv

......

UpSampling
Conv
...
UpSampling
Conv
....

使用
padding='same'
进行每一次卷积，让您的生活更轻松。（但由于一维是150，因此您必须在某一点管理填充值，因为当您达到75时，MaxPooling将删除/添加一个像素（75不能被二除）。
所选答案不准确。代码失败的原因不是因为元组是
（（input1，output1），（input2，output2）），…）
，但因为它们属于
（（input1，class1），（input2，class2），…），（（output1，class1），（output2，class2），…）

您只需将
class\u mode=None
添加到
flow\u from\u directory
调用中，就可以解决问题。
从
flow\u from\u directory（）添加
class\u mode=None
可以解决问题：

 from keras.preprocessing.image import ImageDataGenerator

 train_datagen = ImageDataGenerator(
      rescale=1./255,
      shear_range=0.2,
      zoom_range=0.2,
      horizontal_flip=True)

 train_image_generator = train_datagen.flow_from_directory('path/to/data',
      target_size=(256, 256), 
      class_mode=None, 
      batch_size=4) 

文件“C:\Users\Wael\Anaconda2\envs\tf\lib\site packages\keras\engine\training.py”，第1833行，在fit\u generator batch\u size=x.shape[0]中AttributeError:“tuple”对象没有属性“shape”x是在fit_生成器函数中定义的。模型接受大小为200 x 150的图像，它必须生成大小为200 x 150的输出图像。图像保存在硬盘上。顺序模型不处理两个输入。您真的想要两个输入吗？您上面的描述似乎是“一个图像”（一个输入）-->一个图像（一个输出）“一个图像作为输入，一个作为输出，但输出是1 X（200*150*3）的向量。当我通过train_generator只是为了适应模型运行时。我在这个链接中编写了相同的代码，非常感谢您的完美回答。但是第一层有以下错误值错误：检查输入时出错：预期conv2d_71_输入有4维，但得到了形状为（200、150、3）的数组模型总是需要很多样本。事实上，它需要
（None，200，150，3）
，其中
None
是批大小。您不能只向模型传递一个图像，而是一批图像。如果您只有一个图像，请像
（1200150,3）那样重塑它们
如果
category
与多类分类相关，为什么将其设置为这样会导致此错误？为什么
不需要
？我知道这些评论是为了“更有用”的帖子，但该死！你真是个英雄！我几乎构建了一个自定义生成器。