Tenemos el hallazgo a este rompecabezas, o por lo menos eso deseamos. Si continuas con interrogantes puedes dejarlo en el apartado de preguntas, que para nosotros será un gusto ayudarte
Solución:
Model.fit_generator está en desuso a partir de tensorflow 2.1.0, que actualmente se encuentra en rc1. Puede encontrar la documentación para tf-2.1.0-rc1 aquí: https://www.tensorflow.org/versions/r2.1/api_docs/python/tf/keras/Model#fit
Como se puede ver el primer argumento de la Model.fit puede tomar un generador, así que simplemente páselo a su generador.
Como se menciona en la Documentación en tensorflow:
x: Datos de entrada.
- Podría ser: Un Numpy array (o array-like), o una lista de matrices (en caso de que el modelo tenga múltiples entradas).
- Un tensor de TensorFlow, o una lista de tensores (en caso de que el modelo tenga múltiples entradas).
- Un dictado que asigna nombres de entrada a los correspondientes array/tensores, si el modelo tiene entradas con nombre.
- Un conjunto de datos tf.data. Debería devolver una tupla de (entradas, objetivos) o (entradas, objetivos, pesos de muestra)
- Un generador o keras.utils.Sequence que regresa (entradas, objetivos) o (entradas, objetivos, pesos de muestra). A continuación se proporciona una descripción más detallada del comportamiento de desempaquetado para los tipos de iterador (Conjunto de datos, generador, Secuencia).
simplemente puede pasar el generador a Modelo.fit como similar a Modelo.fit_generator
data_gen_train = ImageDataGenerator(rescale=1/255.)
data_gen_valid = ImageDataGenerator(rescale=1/255.)
train_generator = data_gen_train.flow_from_directory(train_dir, target_size=(128,128), batch_size=128, class_mode="binary")
valid_generator = data_gen_valid.flow_from_directory(validation_dir, target_size=(128,128), batch_size=128, class_mode="binary")
model.fit(train_generator, epochs=2, validation_data=valid_generator).
Recuerda que puedes difundir esta noticia si te valió la pena.