如何在tf.data API中使用Keras生成器

我正在尝试使用Keras预处理库中的生成器 . 我想试验这个，因为Keras提供了很好的图像增强功能 . 但是，我不确定这是否真的可行 .

以下是我从Keras生成器制作tf数据集的方法：

def make_generator():
    train_datagen = ImageDataGenerator(rescale=1. / 255)
    train_generator = 
    train_datagen.flow_from_directory(train_dataset_folder,target_size=(224, 224), class_mode='categorical', batch_size=32)
    return train_generator

train_dataset = tf.data.Dataset.from_generator(make_generator,(tf.float32, tf.float32)).shuffle(64).repeat().batch(32)

请注意，如果您尝试直接将 train_generator 作为 tf.data.Dataset.from_generator 的参数，则会出现错误 . 但是，上述方法不会产生错误 .

当我在会话中运行它来检查数据集的输出时，我得到以下错误 .

iterator = train_dataset.make_one_shot_iterator()
next_element = iterator.get_next()
sess = tf.Session()
for i in range(100):
    sess.run(next_element)

找到了属于2个 class 的1000张图片 . -------------------------------------------------- ------------------------- InvalidArgumentError Traceback（最近一次调用最后一次）/usr/local/lib/python3.6/dist-packages/tensorflow/ _do_call中的python / client / session.py（self，fn，* args）1291尝试： - > 1292返回fn（* args）1293除了errors.OpError为e：/usr/local/lib/python3.6/dist- _run_fn中的packages / tensorflow / python / client / session.py（feed_dict，fetch_list，target_list，options，run_metadata）1276返回self._call_tf_sessionrun（ - > 1277选项，feed_dict，fetch_list，target_list，run_metadata）1278 / usr / local / lib _call_tf_sessionrun中的/python3.6/dist-packages/tensorflow/python/client/session.py（self，options，feed_dict，fetch_list，target_list，run_metadata）1366 self.session，options，feed_dict，fetch_list，target_list， - > 1367 run_metadata ）1368 InvalidArgumentError：不能在组件0中批处理具有不同形状的张量 . 第一个元素具有形状[32,224,224,3]，元素29具有形状[8,224,224,3] . [[{} = IteratorGetNextoutput_shapes = [，]，output_types = [DT_FLOAT，DT_FLOAT]， device =“/ job：localhost / replica：0 / task：0 / device：CPU：0”]]处理期间上述异常，发生了另一个异常：

如果有人对此有任何经验或知道任何其他方式，请告诉我 .

UPDATE

在使用J.E.K的建议后，我能够解决问题 .

train_dataset = tf.data.Dataset.from_generator(make_generator,(tf.float32, tf.float32))

但是，当我将 train_dataset 给予Keras .fit 方法时，我收到以下错误 .

model_regular.fit(train_dataset,steps_per_epoch=1000,epochs=2)

------------------------------------------------- -------------------------- ValueError Traceback（最近一次调用last）in（）----> 1 model_regular.fit（train_dataset，steps_per_epoch） = 1000，epochs = 2）/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py in fit（self，x，y，batch_size，epochs，verbose，callbacks， validation_split，validation_data，shuffle，class_weight，sample_weight，initial_epoch，steps_per_epoch，validation_steps，** kwargs）1507 steps_name ='steps_per_epoch'，1508 steps = steps_per_epoch， - > 1509 validation_split = validation_split）1510 1511＃准备验证数据 . _standardize_user_data中的/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py(self，x，y，sample_weight，class_weight，batch_size，check_steps，steps_name，steps，validation_split）948 x = self._dataset_iterator_cache [x] 949 else： - > 950 iterator = x.make_initializable_iterator（）951 self._dataset_iterator_cache [x] = iterator 952 x = iterator /usr/local/lib/python3.6/dist-packages/ make_initializable_iterator（self，shared_name）119中的tensorflow / python / data / ops / dataset_ops.py与ops.colocate_with（iterator_resource）：120 initializer = gen_dataset_ops.make_iterator（self._as_variant_tensor（）， - > 121 iterator_resource）122返回iterator_ops . 迭代器（iterator_resource，初始化器，123 self.output_types，self.output_shapes，/ usr / local / lib / python3.6 / dist-packages /tensorflow / python / ops / gen_dataset_ops.py in make_iterator（dataset，iterator，name）2542 if _ctx是无或不是_ctx.eager_context.is_eager：2543 ，， op = _op_def_lib._apply_op_helper（ - > 2544“ MakeIterator“，dataset = dataset，iterator = iterator，name = name）2545 return _op 2546 _result = None /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/op_def_library.py in _apply_op_helper（self ，op_type_name，name，** keywords）348＃需要将所有参数压缩到列表中 . 349 #pylint：disable = protected-access - > 350 g = ops._get_graph_from_inputs（_Flatten（keywords.values（）））351 #pylint：enable = protected-access 352除了AssertionError为e：/ usr / local / lib / _get_graph_from_inputs中的python3.6 / dist-packages / tensorflow / python / framework / ops.py（op_input_list，graph）5659 graph = graph_element.graph 5660 elif original_graph_element不是None： - > 5661 _assert_same_graph（original_graph_element，graph_element）5662 elif graph_element . graph不是图形：5663引发ValueError（“％s不是来自传入的图形 . ”％graph_element）/usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/ops.py in _assert_same_graph（original_item，item）5595如果original_item.graph不是item.graph：5596引发ValueError（“％s必须与％s在同一图表中 . ”％（item， - > 5597 original_item））5598 5599 ValueError：Tensor （“IteratorV2：0”，shape =（），dtype = resource）必须与Tensor（“FlatMapDataset：0”，shape =（））在同一图表中，D型=变体） .

这是一个错误还是Keras适合的方法不是这种方式使用的？