TensorFlow中model.predict报错：缺少steps_per_execution参数如何解决？

问题根源 #

这个报错多和TensorFlow版本兼容性、模型训练时的API使用有关——fit_generator在TensorFlow 2.x中已被弃用，旧API的训练逻辑可能导致模型内部执行函数的签名异常，进而在调用predict()时触发参数缺失错误。

可行解决方案 #

1. 替换fit_generator为原生model.fit() #

直接使用TF2.x支持的model.fit()重新训练模型，它原生兼容生成器输入，能规避旧API的遗留问题：

# 假设你的训练生成器为train_generator，验证生成器为val_generator
model.fit(
    train_generator,
    epochs=你的训练轮数,
    validation_data=val_generator,
    verbose=1
)

2. 显式传入steps_per_execution参数 #

若暂时无法重新训练，可在调用predict()时手动指定该参数（通常设为1或与批量大小匹配的值）：

predictions = model.predict(
    test_preprocessed_images,
    batch_size=1,
    verbose=1,
    steps_per_execution=1
)

3. 重新保存并加载模型 #

如果是加载已训练模型时出现问题，确保用标准方式保存模型后重新加载：

# 训练完成后保存模型
model.save("skin_disease_cnn_model.h5")
# 重新加载模型
from tensorflow.keras.models import load_model
model = load_model("skin_disease_cnn_model.h5")
# 执行预测
predictions = model.predict(test_preprocessed_images, batch_size=1, verbose=1)

4. 调整TensorFlow版本 #

若以上方法无效，尝试切换到稳定版本：

• 当前用TF2.6+的话，可降级到TF2.5；
• 用旧版本的话，升级到TF2.15等稳定发行版

内容的提问来源于stack exchange，提问作者Kenean Nooks