Keras R加载模型后调用generator_pred报错StopIteration求助

我之前碰到过好几个类似的案例，你遇到的argument 'length.out' must be of length 1和StopIteration报错，核心原因基本都是加载后的模型和生成器的交互逻辑出现了不兼容，结合你说的“其余条件完全一致”，大概率是模型加载过程中丢失了某些关键配置，或者生成器的自动推断逻辑出了问题，咱们一步步来解决：

最常见的原因与解决方法 #

1. 生成器未重新初始化，或未显式指定steps参数 #

训练完成后，原来的生成器实例可能已经耗尽了迭代器（指针走到了数据集末尾），哪怕你复用相同的代码，旧实例的状态也不会自动重置。加载模型后，一定要重新创建生成器对象，并且在调用generator_pred时显式指定steps参数——避免Keras自动推断时，因为模型加载后的状态变化导致计算出的length.out是向量而非单个整数。

示例代码：

# 完全重新创建测试生成器（不要复用训练时的旧实例）
test_generator <- flow_images_from_directory(
  path = "your_test_dir",
  target_size = c(224, 224), # 和训练时一致
  batch_size = 32, # 和训练时一致
  class_mode = "categorical" # 和训练时一致
)

# 显式计算steps：样本总数 / 批次大小，向上取整
total_steps <- ceiling(test_generator$n / test_generator$batch_size)
# 调用generator_pred时指定steps
predictions <- generator_pred(
  model = loaded_model,
  generator = test_generator,
  steps = total_steps
)

2. 模型加载时丢失了自定义组件的序列化信息 #

如果你的模型包含自定义预处理层、自定义损失函数或者自定义指标，默认的load_model可能无法正确恢复这些组件，导致模型的输入/输出形状与生成器不匹配，进而触发length.out的计算错误。

解决方法：保存模型时确保包含完整配置，加载时手动注册自定义对象：

# 保存模型时，确保包含完整结构（如果不需要优化器可以设为FALSE）
save_model_hdf5(original_model, "my_model.h5", include_optimizer = TRUE)

# 加载模型时，注册自定义对象（比如自定义层）
custom_objects <- list(
  "custom_normalization_layer" = custom_normalization_layer,
  "custom_loss" = custom_loss
)
loaded_model <- load_model_hdf5("my_model.h5", custom_objects = custom_objects)

3. 模型输入/输出形状加载异常 #

加载后的模型可能因为序列化问题，输入或输出形状变成了列表而非单个张量，导致生成器无法正确计算迭代次数。你可以先验证这一点：

# 打印加载后模型的输入输出形状
cat("Input shape:", loaded_model$input_shape, "\n")
cat("Output shape:", loaded_model$output_shape, "\n")

如果输出不是你预期的单个形状（比如(NULL, 224, 224, 3)），而是嵌套列表，说明模型保存/加载过程中结构损坏，需要重新保存原始模型（确保训练完成后立即保存，不要修改模型结构后再保存）。

4. 生成器的属性异常 #

极少数情况下，生成器的n（样本总数）或batch_size可能因为环境变化变成了向量而非单个整数，导致计算length.out时出错。你可以检查生成器的属性：

str(test_generator)

确认n和batch_size都是单个整数，没有变成列表或多元素向量。如果有异常，重新创建生成器即可。

总结 #

优先尝试重新创建生成器并显式指定steps参数，这解决了90%以上的类似问题。如果还是不行，再检查模型的自定义组件和输入输出形状。

内容的提问来源于stack exchange，提问作者Bettina10