使用model.fit_generator时出现AttributeError: 'str'对象无keys属性的技术求助

错误原因分析 #

这个报错的核心是：Keras在处理**类别权重（class_weight）**时，预期传入的是一个字典（键为类别ID，值为对应权重）或者None，但你传入的是一个字符串类型的值。代码执行到class_ids = list(sorted(class_weight.keys()))时，字符串没有keys()方法，所以触发了这个属性错误。

从你的报错栈和代码来看，大概率是在调用fit_generator时，不小心把class_weight参数设成了字符串，或者误传了其他字符串类型的变量到这个参数位置。

解决步骤 #

1. 检查并修正class_weight参数
   如果你确实需要设置类别权重（比如处理类别不平衡问题），确保class_weight是一个字典结构。比如你的二分类任务中，类别0和1的权重可以这样定义：

   # 示例：根据你的数据分布调整权重值
   class_weight = {0: 1.0, 1: 1.5}
   history=model.fit_generator(generate_arrays_for_training(indexPat, filesPath, end=75), class_weight=class_weight)
   

2. 不需要类别权重时移除该参数
   如果你不需要类别权重，直接删除class_weight参数，或者显式设置为None：

   # 方式1：移除class_weight参数
   history=model.fit_generator(generate_arrays_for_training(indexPat, filesPath, end=75))
   # 方式2：显式设置为None
   history=model.fit_generator(generate_arrays_for_training(indexPat, filesPath, end=75), class_weight=None)
   

3. 推荐使用fit方法替代fit_generator
   注意fit_generator已经被TensorFlow/Keras弃用，官方推荐直接使用fit方法，它现在可以直接兼容生成器输入，代码更简洁：

   # 记得添加epochs、batch_size等必要参数
   history=model.fit(generate_arrays_for_training(indexPat, filesPath, end=75), epochs=10, batch_size=32)
   

额外验证 #

你的generate_arrays_for_training生成器返回的标签格式是正确的one-hot编码，这部分没有问题，可以继续使用。

内容的提问来源于stack exchange，提问作者Edayildiz