如何在keras中使用model.fit_generator

Question

何时以及如何使用fit_generator？ fit和fit_generator有什么区别？

Answer 1

如果您已准备好所有必要方面的数据和标签，只需将这些数据和标签分配给数组x和y，而不是使用model.fit（x，y）。

如果您需要在训练时预处理和/或扩充数据，那么您可以利用Keras提供的生成器。

例如，您可以通过应用随机变换来增强图像（如果您只有很少的数据可以训练，非常有用），填充序列，标记化文本，让Keras自动从文件夹中读取数据并分配适当的类（flow_from_directory）等等。

请参阅此处以获取图像预处理的示例和样板代码： https ： //keras.io/preprocessing/image/

或者在这里进行文本预处理： https ： //keras.io/preprocessing/text/

fit_generator还将帮助您以更高效的内存方式进行训练，因为您只在需要时加载数据。 生成器函数按需批量生成（也称为“交付”）数据到您的模型批次，可以这么说。

Answer 2

它们对于前面提到的海报中提到的即时增强非常有用。 然而，这并不一定仅限于生成器，因为您可以适应一个纪元，然后再增加数据并再次适合。

不合适的是每个时期使用过多的数据。 这意味着如果您拥有1 TB的数据集且只有8 GB的RAM，您可以使用生成器即时加载数据，并且只在内存中保留几个批次。 这有助于扩展到大型数据集。