我注意到在 tensorflow.keras.applications 中有一个 preprocess_input 函数，根据你想要使用的模型，这个函数是不同的。

我正在使用 ImageDataGenerator 类来增强我的数据。更具体地说，我使用了一个 CustomDataGenerator，它继承自 ImageDataGenerator 类并添加了颜色转换功能。

它的样子如下：

class CustomDataGenerator(ImageDataGenerator):    def __init__(self, color=False, **kwargs):        super().__init__(preprocessing_function=self.augment_color, **kwargs)        self.hue = None        if color:            self.hue = random.random()    def augment_color(self, img):        if not self.hue or random.random() < 1/3:            return img        img_hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)        img_hsv[:, :, 0] = self.hue        return cv2.cvtColor(img_hsv, cv2.COLOR_HSV2BGR)

我之前在 ImageDataGenerator 中使用了 rescale=1./255，但有些模型需要不同的预处理方法。

所以当我尝试

CustomDataGenerator(preprocessing_function=tf.keras.applications.xception.preprocess_input)

我得到了以下错误：

__init__() got multiple values for keyword argument 'preprocessing_function'

回答：

问题在于，你已经在这里传递了一次 preprocessing_function

super().__init__(preprocessing_function=self.augment_color, **kwargs)

然后又从这里传递了一次

CustomDataGenerator(preprocessing_function=tf.keras.applications.xception.preprocess_input)

所以现在看起来像是

super().__init__(preprocessing_function=self.augment_color, preprocessing_function=tf.keras.applications.xception.preprocess_input)

移除其中一个，你就可以继续了。

编辑 1:如果你想保留这两个函数，最好将它们合并成一个预处理方法，并将其作为 preprocessing_function 传递

在 CustomDataGenerator 中添加以下方法

    def preprocess(self, image):        image = self.augment_color(image)        return tf.keras.applications.xception.preprocess_input(image)

使用这个作为预处理函数

super().__init__(preprocessing_function=self.preprocess, **kwargs)