运行手语识别TensorFlow训练代码出现GeneratorDataset迭代器错误如何解决

这个报错通常由TensorFlow与Keras版本不兼容、训练参数配置错误、数据生成器多进程加载异常三类原因导致，可按以下步骤依次排查修复：

1. 修正导入语句，解决版本兼容问题 #

高版本TensorFlow（2.6+）不再适配独立安装的Keras包，需要统一使用TensorFlow内置的Keras模块，将代码头部的Keras相关导入全部替换为以下写法：

import tensorflow as tf
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Convolution2D, MaxPooling2D, Flatten, Dense, Dropout
from tensorflow.keras.preprocessing.image import ImageDataGenerator
import os
os.environ["CUDA_VISIBLE_DEVICES"] = "1"
# 可额外添加这行屏蔽TensorFlow冗余警告
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

2. 替换废弃的fit_generator方法 #

TensorFlow 2.x版本开始fit方法原生支持生成器输入，fit_generator已被废弃，很容易触发迭代器相关错误，将训练代码修改为：

classifier.fit(
    training_set,
    steps_per_epoch=1284, # 总训练样本数/批次大小=12841//10
    epochs=5,
    validation_data=test_set,
    validation_steps=426, # 总测试样本数/批次大小=4268//10
    # 关闭多进程数据加载，避免解释器状态异常
    workers=1,
    use_multiprocessing=False
)

注意：你原来的steps_per_epoch和validation_steps参数配置错误，直接填写总样本数会导致生成器被耗尽后仍然被请求数据，是触发该报错的核心原因之一，必须修改为总样本数除以批次大小的整数值。

3. 可选兜底方案 #

如果修改后仍然报错，可尝试以下操作：

• 临时关闭GPU测试，将os.environ["CUDA_VISIBLE_DEVICES"] = "1"改为os.environ["CUDA_VISIBLE_DEVICES"] = "-1"，如果CPU能正常运行则说明是CUDA与TensorFlow版本不匹配，重新安装对应版本的TensorFlow即可
• 降级TensorFlow到2.8~2.10的稳定版本，该区间版本对传统ImageDataGenerator的适配性更好

内容的提问来源于stack exchange，提问作者user15180283