Python vaidation_数据应为keras fit_生成器中的元组

我试图用我的类

SequenceGenerator（Sequence）

覆盖

keras.util.Sequence

，并将其传递给

fit\u生成器

，但

fit\u生成器

引发了一个错误

ValueError

这是我的定制课程

导入操作系统 将numpy作为np导入 从keras.utils导入序列 从batchGenerator导入batchGenerator

从设置导入批次大小、训练文件夹、测试文件夹

class SequenceGenerator(Sequence):
    def __init__(self, batches_folder):
        self.batch_generator = BatchGenerator(folder_name=batches_folder)      
        self.names = [f for f in os.listdir(batches_folder) if f.lower().endswith('.jpg')]

    def __len__(self):
        return int(np.ceil(len(self.names) / float(batch_size)))

    def __getitem__(self, idx):
        print('Getting a bacth{0}'.format(idx))
        [X_batch, Y_batch] = self.batch_generator.load_batch_from_disk(idx)
        return X_batch, Y_batch


def train_seq_genenrator():
    return SequenceGenerator(train_folder)


def test_seq_generator():
    return SequenceGenerator(test_folder)

在jupyter笔记本中，我导入了以下内容

from sequenceGenerator import train_seq_genenrator, test_seq_generator

最后，这里是fit_生成器调用

history = new_model.fit_generator(train_seq_genenrator()
                        , steps_per_epoch=num_train_samples // batch_size                        
                        , validation_data=test_seq_generator()
                        , validation_steps=num_test_samples // batch_size
                        , epochs=epochs
                        , shuffle=True)

我得到了以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-63-347bef86c8c0> in <module>()
      4                         , validation_steps=num_test_samples // batch_size
      5                         , epochs=epochs
----> 6                         , shuffle=True)

~\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\keras\engine\training.py in fit_generator(self, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch)
   1759         use_multiprocessing=use_multiprocessing,
   1760         shuffle=shuffle,
-> 1761         initial_epoch=initial_epoch)
   1762 
   1763   def evaluate_generator(self,

~\Anaconda3\envs\tensorflow\lib\site-packages\tensorflow\python\keras\engine\training_generator.py in fit_generator(model, generator, steps_per_epoch, epochs, verbose, callbacks, validation_data, validation_steps, class_weight, max_queue_size, workers, use_multiprocessing, shuffle, initial_epoch)
    121             '`validation_data` should be a tuple '
    122             '`(val_x, val_y, val_sample_weight)` '
--> 123             'or `(val_x, val_y)`. Found: ' + str(validation_data))
    124       val_x, val_y, val_sample_weights = model._standardize_user_data(
    125           val_x, val_y, val_sample_weight)

ValueError: `validation_data` should be a tuple `(val_x, val_y, val_sample_weight)` or `(val_x, val_y)`. Found: <sequenceGenerator.SequenceGenerator object at 0x000001DCB58259B0>

---------------------------------------------------------------------------
ValueError回溯（最近一次调用上次）
在（）
4，验证步骤=数量测试样本//批量大小
5，时代=时代
---->6，shuffle=True）
拟合生成器中的~\Anaconda3\envs\tensorflow\lib\site packages\tensorflow\python\keras\engine\training.py（self、生成器、每个历元的步骤、历元、冗余、回调、验证数据、验证步骤、类权重、最大队列大小、工作者、使用多处理、无序、初始历元）
1759使用多处理=使用多处理，
1760洗牌=洗牌，
->1761初始_历元=初始_历元）
1762
1763 def评估_发生器（自，
~\Anaconda3\envs\tensorflow\lib\site packages\tensorflow\python\keras\engine\training\u generator.py in fit\u generator（模型、生成器、每个历元的步骤、历元、冗余、回调、验证数据、验证步骤、类权重、最大队列大小、工作者、使用多处理、无序、初始历元）
121'`validation_data`应该是元组'
122'`（val_x，val_y，val_样品重量）`'
-->123'或`（val_x，val_y）`。找到：'+str（验证数据））
124 val_x，val_y，val_样本权重=模型。_标准化用户数据(
125瓦卢x，瓦卢y，瓦卢样本（重量）
ValueError:“验证数据”应该是一个元组“（val\u x，val\u y，val\u sample\u weight）”或“（val\u x，val\u y）”。发现：

我不知道为什么会发生这种情况，但是在

验证\u数据：这可以是

• 验证数据的生成器或序列对象
• 元组（x_val，y_val）
• 元组（x_val，y_val，val\u sample\u权重）

---

您的keras版本是什么？在将序列生成器对象传递给fit_generator（）时，我还会尝试实例化它；在调用fit_generator时，我尝试实例化一个序列生成器，而不是将其作为返回序列生成器的函数调用。Ras版本为2.2.0，它引发了相同的错误。