在R中使用Keras的fit_generator时出现类型错误求助

我帮你梳理了代码里的几个关键问题，这些就是引发你遇到的StopIteration: 'float' object cannot be interpreted as an integer和验证集相关浮点错误的根源，下面一步步来解决：

错误原因分析 #

你的问题主要来自三个方面：

• 训练数据生成器未显式指定batch_size，导致后续迭代时出现类型不匹配
• steps_per_epoch硬编码为固定值，既不符合样本量实际情况，也可能因数值类型触发错误
• 添加验证集时未正确设置整数类型的validation_steps，引发布尔值判断的浮点错误

具体修复步骤 #

1. 给训练生成器显式添加batch_size参数 #

你的train_set生成器缺少batch_size配置，虽然Keras有默认值，但显式设置能避免跨平台/版本的类型问题。修改代码如下：

train_set = train_gen$flow_from_directory(
  'dataset/training_set', 
  target_size = c(64, 64), 
  batch_size = 32,  # 新增该行，和测试集保持一致
  class_mode = "categorical"
)

2. 动态计算整数类型的迭代步数 #

硬编码steps_per_epoch = 50很容易因为样本量不足触发StopIteration，而且如果计算结果是浮点数，会引发类型错误。我们可以根据实际样本数和批次大小计算整数步数：

# 获取训练、测试集的总样本数
train_samples <- train_set$n
test_samples <- test_set$n
batch_size <- 32

# 转换为整数，避免浮点类型问题
steps_per_epoch <- as.integer(train_samples / batch_size)
validation_steps <- as.integer(test_samples / batch_size)

3. 修正fit_generator调用（含验证集场景） #

用计算好的整数步数替换硬编码值，添加验证集时也必须指定validation_steps：

# 不带验证集的调用
model$fit_generator(
  train_set, 
  steps_per_epoch = steps_per_epoch, 
  epochs = 10
)

# 带验证集的调用（解决bool(validation_data)错误）
model$fit_generator(
  train_set, 
  steps_per_epoch = steps_per_epoch, 
  epochs = 10,
  validation_data = test_set,
  validation_steps = validation_steps
)

4. 确保Keras与TensorFlow版本兼容 #

部分类型错误是因为R的Keras接口和底层TensorFlow版本不匹配导致的，运行以下命令更新到兼容版本：

keras::install_keras()

完成以上修改后，你的模型应该能正常训练，不会再出现StopIteration和验证集相关的浮点错误了。

内容的提问来源于stack exchange，提问作者saeedar