如何在Python中正确使用fit或fit_generator解决交叉验证训练问题？

首先，Model.fit() 不存在 generator 参数，这是你报错的核心原因。在新版本Keras/TensorFlow中，fit() 直接支持生成器作为输入，无需额外的generator参数，只需把生成器直接传给fit()的第一个位置参数（即x参数）即可。

另外，你之前设置的steps_per_epoch=batches.n是错误的——batches.n是训练集的总样本数，而steps_per_epoch需要的是每轮训练的步数（即总样本数除以batch_size）。直接用len(batches)就能得到正确步数，因为flow生成器的长度就是总样本数除以batch_size的计算结果。同理validation_steps也应该用len(val_batches)。

修正后的训练代码 #

history = model.fit(
    batches,  # 直接传入生成器作为第一个参数
    steps_per_epoch=len(batches),
    epochs=3,
    validation_data=val_batches,
    validation_steps=len(val_batches)
)

额外说明 #

• 若想显式指定参数名，可写x=batches，效果和直接传位置参数一致。
• 之前fit_generator中用batches.n作为steps_per_epoch会导致每轮执行37800步（你的样本总数），但每步已处理64个样本，这会重复训练数据多次；修正后每轮只会执行正确步数（37800//64≈591步），训练效率和结果都会更合理。

内容的提问来源于stack exchange，提问作者Thanh Pham