Keras批量训练大量数据总结

在深度学习中,有时会遇到大量数据的情况,比如处理120万+的图片时,需要批量训练。

因为内存有限,可能一次只能读进来一批图片,一个可行的方案是使用train_on_batch这个函数,大概流程如下:

import random

batch_X, batch_Y = get_train_data()

# shuffle data
cc = list(zip(batch_X, batch_Y))
random.shuffle(cc)
batch_X[:], batch_Y[:] = zip(*cc)
del cc

model.train_on_batch(batch_X, batch_Y)

由于train_on_batch不提供shuffle=True的选项,我便选择手动shuffle数据。

当然也可以使用data generators来解决这个问题。

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值