如何在keras中使用model.fit_generator

Question

何時以及如何使用fit_generator？ fit和fit_generator有什么區別？

Answer 1

如果您已准備好所有必要方面的數據和標簽，只需將這些數據和標簽分配給數組x和y，而不是使用model.fit（x，y）。

如果您需要在訓練時預處理和/或擴充數據，那么您可以利用Keras提供的生成器。

例如，您可以通過應用隨機變換來增強圖像（如果您只有很少的數據可以訓練，非常有用），填充序列，標記化文本，讓Keras自動從文件夾中讀取數據並分配適當的類（flow_from_directory）等等。

請參閱此處以獲取圖像預處理的示例和樣板代碼： https ： //keras.io/preprocessing/image/

或者在這里進行文本預處理： https ： //keras.io/preprocessing/text/

fit_generator還將幫助您以更高效的內存方式進行訓練，因為您只在需要時加載數據。 生成器函數按需批量生成（也稱為“交付”）數據到您的模型批次，可以這么說。

Answer 2

它們對於前面提到的海報中提到的即時增強非常有用。 然而，這並不一定僅限於生成器，因為您可以適應一個紀元，然后再增加數據並再次適合。

不合適的是每個時期使用過多的數據。 這意味着如果您擁有1 TB的數據集且只有8 GB的RAM，您可以使用生成器即時加載數據，並且只在內存中保留幾個批次。 這有助於擴展到大型數據集。