如何修改TensorFlow1.x代码使其兼容TensorFlow2.x并适配ResNet152

AI 小北

2026-10-14

报错原因

TensorFlow 2.x 对生成器返回值的解析逻辑与1.x版本存在差异：

Keras 2.2.4 / TF1.x 会识别生成器返回的嵌套列表，将第一层第一个元素的所有子项识别为模型输入，第一层第二个元素识别为标签
TF2.x 版本会直接将生成器返回的最外层可迭代对象的所有元素，全部解析为独立的输入张量，因此你原代码返回的 [[feature, sequence], description] 会被拆分为3个独立张量，和模型要求的2个输入不匹配，触发报错。

修复代码

1. 修改生成器返回结构

将输入部分用元组包裹，符合TF2.x的解析规则：

def data_generator(images, descriptions, resnet152) :
    while True :
        for i in range(0, len(images)) :
            feature = resnet152.predict(images[i]);
            #variable description includes what the people are doing in this image : ["a man is cooking"]
            description = descriptions[i];
            #sequence includes things like ["a"ID, "man"ID, "is"ID, "cooking"ID], "xxx"ID is a digit of a word "xxx"
            sequence = make_sequence(description);
            # 仅修改yield行，用元组包裹输入集合
            yield ((feature, sequence), description);

2. 适配TF2.x训练API

fit_generator 已在TF2.x中被弃用，直接使用fit方法即可，参数无需调整：

resnet_model = ResNet152();
model = my_model();
generator = data_generator(images, descriptions, resnet_model);
# 替换fit_generator为fit
model.fit(generator, epochs = 1, verbose = 1, steps_per_epoch = 1);