为什么我在使用 Keras 3 API 运行此 CNN 代码中的 fit 方法时不断收到无法识别的数据类型？

Question

我正在学习在线课程，并在 python 3.11 中运行以下代码，以使用 Keras 3.6 和 TensorFlow 2.18 构建用于图像分类的 CNN：

# Convolutional Nueral Network

import tensorflow as tf
import keras as kr

from tf_keras.preprocessing.image import ImageDataGenerator

import numpy as np
from tf_keras.preprocessing import image

print(tf.__version__)
print(kr.__version__)

# Part 1 - Data Preprocessing

#   Preprocessing the Training Set

#       Below, an instance of the class of ImageDataGenerator that causes transformations 
train_datagen = ImageDataGenerator(    
    rescale=1./255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

training_set = train_datagen.flow_from_directory(
    "dataset/training_set",
    target_size=(64,64),
    batch_size=32,
    class_mode='binary')

#   Preprocessing the Test Set

test_datagen = ImageDataGenerator(rescale=1./255)

test_set = test_datagen.flow_from_directory(
    "dataset/test_set",
    target_size=(64,64),
    batch_size=32,
    class_mode='binary')

# Part 2 - Buildinging the CNN 

#   Initializing the CNN

cnn = kr.Sequential()

#   Step 1 - Convolution

cnn.add(kr.layers.Conv2D(filters=32, 
                         kernel_size=3,
                         activation='relu', 
                         input_shape=[64,64,3]))

#   Step 2 - Pooling

cnn.add(kr.layers.MaxPool2D(pool_size=2,
                            strides=2,
                            padding='valid'))

#   Step 3 - Adding a second convolutional layer

cnn.add(kr.layers.Conv2D(filters=32, 
                         kernel_size=3,
                         activation='relu'))


#   Step 4 - Adding a second pooling layer

cnn.add(kr.layers.MaxPool2D(pool_size=2,
                            strides=2,
                            padding='valid'))

#   Step 5 Flattening

cnn.add(kr.layers.Flatten())

#   Step 6 Full Connection

cnn.add(kr.layers.Dense(units=128, 
                        activation='relu'))

#   Step 7 Output Layer

cnn.add(kr.layers.Dense(units=1, 
                        activation='sigmoid')) #Sigmoid b/c classification is binary

# Part 3 - Training the CNN

#   Step 1 Compiling the CNN

cnn.compile(optimizer='adam',
            loss = 'binary_crossentropy',
            metrics= ['accuracy'])

#   Step 2 Training the CNN on the Training Set and Evaluating it on the Test Set

cnn.fit(x = training_set,
        validation_data = test_set,
        epochs=25)

当进行到第 3 部分，步骤 2 训练 CNN 时，并且 cnn.fit 方法行运行，我收到以下错误：

  raise ValueError(f"Unrecognized data type: x={x} (of type {type(x)})")

ValueError: Unrecognized data type: x=<tf_keras.src.preprocessing.image.DirectoryIterator object at 0x141d69210> (of type <class 'tf_keras.src.preprocessing.image.DirectoryIterator'>)

我该如何解决这个问题？我查看了 Keras 3 文档，它显示只允许某些数据类型（https://keras.io/api/models/model_training_apis/），但我不确定如何将我的训练集和测试集转换为这些数据类型类型。

我尝试在拟合过程中使用

将训练集和测试集转换为numpy数组

cnn.fit(x = np.array(training_set),
        validation_data = np.array(test_set),
        epochs=25)

但这似乎运行了很长时间并消耗了大量内存。我不知道还能尝试什么。我感谢您的帮助！

Answer 1

我已经审查了您的代码并进行了一些更改。我导入了

tf_keras

并使用 在代码中使用

tf_keras

代替

keras

，并且它可以工作。请参阅要点 供您参考。