TensorFlow2.4.1使用VGGFace训练时报错'int'无shape属性求解

报错1：'int' object has no attribute 'shape' #

原因 #

自定义生成器返回的labels是由Python原生int组成的列表，Keras在数据校验阶段需要读取标签的shape属性，原生int不存在该属性，因此触发报错。

修复方法 #

在生成器的yield语句前，将labels转换为numpy数组：

def gen(list_tuples, person_to_images_map, batch_size=16):
    ppl = list(person_to_images_map.keys())
    while True:
        batch_tuples = sample(list_tuples, batch_size // 2)
        labels = [1] * len(batch_tuples)
        while len(batch_tuples) < batch_size:
            p1 = choice(ppl)
            p2 = choice(ppl)

            if p1 != p2 and (p1, p2) not in list_tuples and (p2, p1) not in list_tuples:
                batch_tuples.append((p1, p2))
                labels.append(0)

        for x in batch_tuples:
            if not len(person_to_images_map[x[0]]):
                print(x[0])

        X1 = [choice(person_to_images_map[x[0]]) for x in batch_tuples]
        X1 = np.array([read_img(x) for x in X1])

        X2 = [choice(person_to_images_map[x[1]]) for x in batch_tuples]
        X2 = np.array([read_img(x) for x in X2])

        # 新增以下行，转换标签为numpy数组
        labels = np.array(labels)
        yield [X1, X2], labels

报错2：'generator' object is not subscriptable #

原因 #

1. 你新增的x=np.array(x)属于多余操作，完全不需要修改遍历batch_tuples的循环，该修改不会解决第一个问题，反而可能引入额外异常。
2. 该报错的核心是你对生成器对象直接使用了下标访问（比如valx[0]）：生成器是迭代器，本身不支持下标取值。如果修改生成器代码后没有重新执行valx赋值的代码块，valx还是生成器对象，就会触发该报错。

修复方法 #

• 把你修改的循环代码改回原始版本：

for x in batch_tuples:
    if not len(person_to_images_map[x[0]]):
        print(x[0])

• 用更稳妥的方式获取验证集batch，避免迭代器取值错误：

# 替换原来的valx赋值和for循环代码
val_gen = gen(val, val_person_to_images_map, batch_size=100)
valx = next(val_gen)

可选优化 #

TensorFlow 2.x已经废弃fit_generator方法，直接用fit即可支持生成器输入，训练代码可以修改为：

history = model.fit(
    gen(train, train_person_to_images_map, batch_size=16),
    use_multiprocessing=True,
    validation_data=(valx[0],valx[1]),
    epochs=50,
    verbose=1,
    workers = 4,
    callbacks=callbacks_list,
    steps_per_epoch=200
)

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