运行GitHub停车位检测代码报错fit_generator存在未预期参数samples_per_epoch

报错原因 #

这个报错是Keras/TensorFlow版本不兼容导致的。你参考的旧代码基于Keras 2.1.0之前的版本编写，该版本的fit_generator()使用samples_per_epoch、nb_val_samples参数，而新版本中这两个参数名已被移除替换。

解决方案 #

方案1：适配fit_generator()参数 #

直接替换旧参数名即可：

• 将samples_per_epoch替换为steps_per_epoch，参数值为 训练样本数 // 批次大小（即nb_train_samples // batch_size，batch_size为你训练生成器设置的单批次样本数）
• 将nb_val_samples替换为validation_steps，参数值为 验证样本数 // 批次大小（即nb_validation_samples // batch_size）

修改后代码示例：

### Start training!
history_object = model_final.fit_generator(
    train_generator,
    steps_per_epoch = nb_train_samples // batch_size,
    epochs = epochs,
    validation_data = validation_generator,
    validation_steps = nb_validation_samples // batch_size,
    callbacks = [checkpoint, early]
)

方案2：使用新版本推荐的fit()方法 #

TensorFlow 2.x版本的fit()方法原生支持生成器输入，无需再调用fit_generator()，写法更简洁：

### Start training!
history_object = model_final.fit(
    train_generator,
    steps_per_epoch = nb_train_samples // batch_size,
    epochs = epochs,
    validation_data = validation_generator,
    validation_steps = nb_validation_samples // batch_size,
    callbacks = [checkpoint, early]
)

注意事项 #

• 如果你的生成器设置为无限循环生成样本，必须指定steps_per_epoch和validation_steps参数，否则训练过程会无限执行不会自动进入下一轮。
• 如果样本数不能被批次大小整除，可将参数值调整为nb_train_samples // batch_size + 1避免遗漏最后一批样本。

内容的提问来源于stack exchange，提问作者Nusry KR