如何使用model.fit结合生成器？解决Empty logs报错问题

核心错误原因 #

你设置的steps_per_epoch和validation_steps计算逻辑错误：

• len(train_generator)返回的是训练集总样本数除以batch_size后的步数（比如1000个样本、batch_size=32，len结果就是32）
• 你再对其除以32，会导致steps_per_epoch变成0，训练时没有执行任何迭代步骤，直接触发"Empty logs"错误

正确的model.fit使用方法 #

1. 修正生成器的规范问题（非报错核心，但更严谨） #

你当前的val_generator和test_generator误用了train_datagen，应该改为对应的数据生成器：

val_generator = val_datagen.flow_from_directory(
    directory=images_valid,
    target_size=(1024,1024),
    class_mode='categorical',
    batch_size=32
)

test_generator = test_datagen.flow_from_directory(
    directory=images_test,
    target_size=(1024,1024),
    class_mode='categorical',
    batch_size=32
)

2. 修正model.fit的参数 #

直接使用生成器的长度作为steps_per_epoch和validation_steps，或者省略这两个参数（Keras会自动计算）：

# 写法1：手动指定正确步数
model.fit(
    train_generator,
    steps_per_epoch=len(train_generator),
    epochs=20,
    validation_data=val_generator,
    validation_steps=len(val_generator)
)

# 写法2：省略steps参数，Keras自动计算
model.fit(
    train_generator,
    epochs=20,
    validation_data=val_generator
)

3. 额外调试方案 #

如果修正后仍报错，按照提示开启eager模式，能获得更详细的错误信息：

# 编译模型时开启eager模式
model.compile(
    optimizer='adam',
    loss='categorical_crossentropy',
    metrics=['accuracy'],
    run_eagerly=True
)

内容的提问来源于stack exchange，提问作者Deems