Python ValueError:生成器的输出应为元组`（x，y，sample\u weight）`或`（x，y）`

我是Keras的新手，我正在尝试用Python训练一台人脸检测机器。正如您所看到的，生成器返回了值，但输出的格式似乎不合适。非常感谢您的建议

完整值错误如下所示：

ValueError：生成器的输出应为元组

（x，y，样本\u权重）

或者

（x，y）

。找到：[[0.10196079 0.08235294 0.07058824] [0.10196079 0.08235294 0.07058824] [0.10196079 0.08235294 0.07058824] ... [0.10196079 0.08235294 0.07058824] [0.10196079 0.08235294 0.07058824] [0.10196079 0.08235294 0.07058824]]

这是回溯

文件“C:/Users/user/PycharmProjects/untitled4/transferLearning.py”，第103行，在callbacks=[checkpoint，early]）
文件“C:\Users\user\Anaconda3\lib\site->packages\keras\legacy\interfaces.py”，第91行，在包装器中 返回函数（*args，**kwargs）
文件“C:\Users\user\Anaconda3\lib\site packages\keras\engine\training.py”，第1418行，在fit\u生成器中 初始纪元=初始纪元）
文件“C:\Users\user\Anaconda3\lib\site->packages\keras\engine\training\u generator.py”，第198行，在fit\u generator中 str（发电机输出）

完整代码如下

image_dir = path.join(root_dir, 'train_countinghead', 'image_data')

img_width, img_height = 256, 256
train_csv = pandas.read_csv(path.join(root_dir, 'train_countinghead', 'train.csv'))
test_csv = pandas.read_csv(path.join(root_dir, 'test_headcount.csv'))

train_samples = len(train_csv)
test_samples = len(test_csv)
batch_size = 16
epochs = 50

model = applications.VGG16(weights='imagenet', include_top=False, input_shape=(img_width, img_height, 3))

# Freeze the layers which you don't want to train. Here I am freezing the first 5 layers.
for layer in model.layers[:5]:
    layer.trainable = False

# Adding custom Layers
x = model.output
x = Flatten()(x)
x = Dense(1024, activation="relu")(x)
x = Dropout(0.5)(x)
x = Dense(1024, activation="relu")(x)
predictions = Dense(16, activation="softmax")(x)

# creating the final model
model_final = Model(inputs=model.input, outputs=predictions)

# compile the model
model_final.compile(loss="categorical_crossentropy", optimizer=optimizers.SGD(lr=0.0001, momentum=0.9),
                    metrics=["accuracy"])

# Initiate the train and test generators with data Augumentation
train_datagen = ImageDataGenerator(
    rescale=1./255,
    horizontal_flip=True,
    fill_mode="nearest",
    zoom_range=0.3,
    width_shift_range=0.3,
    height_shift_range=0.3,
    rotation_range=30
)

test_datagen = ImageDataGenerator(
    rescale=1. / 255,
    horizontal_flip=True,
    fill_mode="nearest",
    zoom_range=0.3,
    width_shift_range=0.3,
    height_shift_range=0.3,
    rotation_range=30
)

# if `class_mode` is `"categorical"` (default value) it must include the `y_col` column with the class/es of each image.
# Check the comments in method definition for more

train_generator = train_datagen.flow_from_dataframe(
    dataframe=train_csv,
    directory=image_dir,
    x_col='Name',
    target_size=(img_height, img_width),
    batch_size=batch_size,
    class_mode=None
)

test_generator = test_datagen.flow_from_dataframe(
    dataframe=test_csv,
    directory=image_dir,
    x_col='Name',
    target_size=(img_height, img_width),
    batch_size=batch_size,
    class_mode=None
)

# Save the model according to the conditions
checkpoint = ModelCheckpoint(path.join(root_dir, "vgg16_1.h5"), monitor='val_acc', verbose=1, save_best_only=True,
                             save_weights_only=False,
                             mode='auto', period=1)
early = EarlyStopping(monitor='val_acc', min_delta=0, patience=10, verbose=1, mode='auto')

# Train the model
model_final.fit_generator(
    train_generator,
    # samples_per_epoch=train_samples,
    steps_per_epoch=train_samples / batch_size,
    epochs=epochs,
    validation_data=test_generator,
    validation_steps=test_samples / batch_size,
    callbacks=[checkpoint, early])

---

问题是这里没有提供目标列。 如果您查看，您可以看到您需要（因为您正在训练您的模型）指定一个

y\u col

，并且没有

class\u mode=None

（仅用于预测），至少对于

train\u生成器

（我不知道您打算如何使用

测试\u生成器

）

---

您还可以看到，使用该错误时，它告诉您它没有获得所有必需的元素（

x

数据，

y

标签）。

问题在于，这里没有提供目标列。 如果您查看，您可以看到您需要（因为您正在训练您的模型）指定一个

y\u col

，并且没有

class\u mode=None

（仅用于预测），至少对于

train\u生成器

（我不知道您打算如何使用

测试\u生成器

）

---

您还可以看到，使用该错误时，它告诉您它没有获得所有必要的元素（

x

数据，

y

标签）。

但问题是我的csv只包含两列，文件名和人头数（我正在训练一台人脸检测机）。如果我将其更改为class_mode='categorical'。我会得到另一个错误，那就是TypeError：如果class_mode=“categorical”，y_col=“HeadCount”列值必须是string、list或tuple类型。或者我应该使用另一个class_模式吗？对不起，我对MLWell完全是初学者。如果您的目标值是图像中的人头数，那么您应该使用

“sparse”

最有可能（但你可以做

“其他”

）。你可以在文档中阅读你拥有的不同类型的

class\u模式

。但问题是我的csv只包含两列，文件名和人头数（我正在训练一台面部检测机）。如果我将其更改为class_mode='categorical'。我会得到另一个错误，那就是TypeError：如果class_mode=“categorical”，y_col=“HeadCount”列值必须是string、list或tuple类型。或者我应该使用另一个class_模式吗？对不起，我对MLWell完全是初学者。如果您的目标值是图像中的人头数，那么您应该使用

“sparse”

最有可能（但你可以做

“其他”

）。你可以在文档中阅读你拥有的不同类型的

class\u模式。

。嘿@zhenhao，别忘了它是否解决了你的问题；）嘿@zhenhao，别忘了它是否解决了你的问题；）