TensorFlow2.0Beta1中tf.data.from_generator多参数传递及报错解决

这个报错的核心原因是：在TensorFlow 2.0 Beta1中，from_generator的args参数要求所有传入的值都能被转换为tf.Tensor对象，但你传入的None（对应classes和class_mode参数）属于不支持转换的类型，所以触发了ValueError。

要解决这个问题，我们可以绕过args参数的限制，用自定义生成器函数或者lambda表达式来封装ImageDataGenerator.flow_from_directory的调用，把那些无法转为Tensor的参数直接在函数内部传递，而不是通过args传入。

方法1：自定义生成器函数 #

from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 初始化ImageDataGenerator
gen = ImageDataGenerator()
data_path = "你的图片目录路径"

def image_generator():
    # 直接在生成器内部调用flow_from_directory，传入所有参数
    for batch in gen.flow_from_directory(
        directory=data_path,
        target_size=(160, 120),  # 修正为你需求的目标尺寸
        color_mode='rgb',
        classes=None,
        class_mode=None,
        batch_size=32,
        shuffle=True
    ):
        yield batch

# 构建tf.data.Dataset
real_imgs_dataset = tf.data.Dataset.from_generator(
    generator=image_generator,
    output_types=tf.float32,
    output_shapes=tf.TensorShape([None, 160, 120, 3])
)

方法2：使用lambda表达式（更简洁） #

如果不想单独定义生成器函数，可以用lambda直接包装flow_from_directory的调用：

real_imgs_dataset = tf.data.Dataset.from_generator(
    lambda: gen.flow_from_directory(
        data_path,
        target_size=(160, 120),
        color_mode='rgb',
        classes=None,
        class_mode=None,
        batch_size=32,
        shuffle=True
    ),
    output_types=tf.float32,
    output_shapes=tf.TensorShape([None, 160, 120, 3])
)

额外注意点 #

你原代码里的target_size写的是(160,128)，但题目需求是调整为(160,120)，记得修正这个参数，确保输出图片尺寸符合预期。

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