使用Keras Sequential模型调用fit_generator报NotImplementedError求助

你遇到的这个错误主要有两个核心原因，咱们一步步拆解：

1. fit_generator已被废弃 #

在TensorFlow 2.x版本中，fit_generator这个API已经被官方弃用——从TF 2.1开始，model.fit()就直接支持生成器（包括ImageDataGenerator生成的数据流）作为输入，不需要再用fit_generator了，这是触发报错的直接原因。

2. 模型未提前构建（次要因素） #

你的Sequential模型没有显式定义输入形状，导致调用旧API时模型还处于未构建状态，这也加剧了错误。不过换成fit()后，这个问题会自动解决，因为fit会通过生成器的输入自动推断模型的输入形状。

另外还有一个隐藏问题必须修正：你的输出层用了relu激活函数，但搭配的是categorical_crossentropy损失，这完全不匹配——多分类任务（你这里是2类）的输出层应该用softmax激活，这样才能输出符合概率分布的结果，让损失函数正常工作。

修改后的完整代码 #

import tensorflow as tf

# 数据生成器定义保持不变
traindata = tf.keras.preprocessing.image.ImageDataGenerator(
    rescale=1. / 255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True
)
input = traindata.flow_from_directory('VS/train')

modelo = tf.keras.Sequential()
# 可选：显式添加Input层，提前定义输入形状，让模型结构更清晰
modelo.add(tf.keras.layers.Input(shape=(256, 256, 3)))  # 可根据你的图像实际尺寸调整，默认flow_from_directory会缩放为256x256
modelo.add(tf.keras.layers.Conv2D(32, (3, 3), activation='relu'))
modelo.add(tf.keras.layers.Flatten())
modelo.add(tf.keras.layers.Dense(64, activation='relu'))
# 输出层替换为softmax激活，适配categorical_crossentropy损失
modelo.add(tf.keras.layers.Dense(2, activation='softmax'))

modelo.compile(loss='categorical_crossentropy', optimizer='rmsprop')
# 用fit替代已废弃的fit_generator
modelo.fit(input, epochs=1)

额外优化建议 #

• 如果你的任务是二分类，也可以改用binary_crossentropy损失，此时输出层只需1个神经元，搭配sigmoid激活，计算效率会更高。
• flow_from_directory默认会把图像缩放到256x256，如果你的原始图像尺寸不同，可以通过target_size参数指定，比如flow_from_directory('VS/train', target_size=(128, 128))。

内容的提问来源于stack exchange，提问作者Tim AI