@2021/4/1,尝试本人的第一篇博客编写
fit_generator()函数
函数与参数
- 功能:
利用Python的生成器,逐个生成数据的 batch 并进行训练。生成器与模型将并行执行以提高效率。这种模式适合训练数据集非常大的情况,不能同时将数据载入内存中。 - 参数及说明
fit_generator(self,
generator, # 生成器函数,生成器的输出应该为: (inputs, targets)的tuple;
steps_per_epoch, # int,当生成器返回steps_per_epoch次数据时一个epoch结束,执行下一个epoch, int(number_of_train_samples / batch_size);
epochs=1, # int,训练的epoch数
verbose=1, # 日志显示,0为不在标准输出流输出日志信息,1为输出进度条记录,2为每个epoch输出一行记录
callbacks=None, #
validation_data=None, # 验证集,与generator类似
validation_steps=None, #
class_weight=None, # 规定类别权重的字典,将类别映射为权重,常用于处理样本不均衡问题。
max_q_size=10, # 生成器队列的最大容量
workers=1, # 最大进程数
pickle_safe=False, #
initial_epoch=0) # 从该参数指定的epoch开始训练,在继续之前的训练时有用。