Keras model.fit（）引發關於未指定參數`steps_per_epoch`的錯誤

Question

我試圖使用tf.Dataset作為我的數據集來擬合Keras模型。 我指定參數steps_per_epoch 。 但是，會引發此錯誤： ValueError: When using iterators as input to a model, you should specify the 'steps_per_epoch' argument. 這個錯誤讓我困惑，因為我指定了數據集長度的steps_per_epoch參數。 我已經嘗試過None以及小於我的數據集長度的整數無濟於事。

這是我的代碼：

def build_model():
    '''
    Function to build a LSTM RNN model that takes in quantitiy, converted week; outputs predicted price
    '''
    # define model
    model = tf.keras.Sequential()
    model.add(tf.keras.layers.LSTM(128, activation='relu', input_shape=(num_steps,num_features*input_size)))
    model.add(tf.keras.layers.Dense(128*input_size, input_shape=(num_steps,num_features*input_size)))
    model.add(tf.keras.layers.Dense(input_size))
    model.compile(optimizer='adam', loss='mse')
    print(train_data[0].shape, train_data[1].shape)

    #cast data
    features_type = tf.float32
    target_type = tf.float32

    train_dataset = tf.data.Dataset.from_tensor_slices((
        tf.cast(train_data[0], features_type),
        tf.cast(train_data[1], target_type))
    )

    validation_dataset = tf.data.Dataset.from_tensor_slices((
        tf.cast(val_data[0], features_type),
        tf.cast(val_data[1], target_type))
    )

    # fit model
    es = tf.keras.callbacks.EarlyStopping(monitor='val_loss', min_delta=1)
    model.fit(train_dataset, epochs=500,steps_per_epoch = 134,verbose=1, validation_data = validation_dataset)
    # validation_data = (val_data[0], val_data[1])
    print(model.summary())
    return model

Answer 1

您的train_dataset和validation_dataset是數據集（請查看函數from_tensor_slices的tensorflow文檔 ）： https ： //www.tensorflow.org/api_docs/python/tf/data/Dataset#from_tensor_slices

我認為您需要使用數據集中的數據。 例如，您可以使用以下函數對整個數據集執行迭代器：

iterator = dataset.make_one_shot_iterator（）

查看tensorflow關於如何使用數據集對象數據的文檔： https ：//www.tensorflow.org/guide/datasets#batching_dataset_elements

另請參閱這篇題為“ 如何正確組合TensorFlow的數據集API和Keras”的帖子？ ： 如何正確組合TensorFlow的數據集API和Keras？