keras中的fit_generator：其中是指定的batch_size？

Question

嗨，我不明白keras fit_generator文档。

我希望我的困惑是理性的。

有一个batch_size也是批量培训的概念。使用model_fit()，我指定了一个batch_size为128.

对我来说，这意味着我的数据集将一次输入128个样本，从而大大减轻内存。只要我有时间等待，它应该允许训练1亿个样本数据集。毕竟，keras一次只能“处理”128个样本。对？

但我高度怀疑，单独指定batch_size不会做我想要的。记忆力仍在使用中。对于我的目标，我需要分别训练128个例子。

所以我猜这是fit_generator。我真的很想问为什么batch_size实际上不起作用，因为它的名字暗示了？

更重要的是，如果需要fit_generator，我在哪里指定batch_size？文档说无限循环。 生成器在每一行循环一次。我如何一次循环128个样本，并记住上次停止的位置，并在下一次keras要求下一批的起始行号（第一批完成后将是第129行）时回想它。

Answer 1

首先，keras batch_size确实工作得很好。如果您正在使用GPU，则应该知道模型可能会非常沉重，特别是在您使用复制单元时。如果您正在使用CPU，整个程序将加载到内存中，批量大小不会对内存产生太大影响。如果您使用的是fit()，则整个数据集可能会加载到内存中，keras会在每个步骤中生成批次。预测将要使用的内存量非常困难。

至于fit_generator()方法，你应该建立一个python生成器函数（使用yield而不是return），在每一步产生一个批处理。 yield应该处于无限循环中（我们经常使用while true: ...）。

你有一些代码来说明你的问题？