keras 中fit_generator的epoch的疑问

在使用keras进行神经网络训练时，在keras中为了减少数据对CPU/GPU的占用率，可以选择使用generator来生成数据对应使用fi_generator来进行训练，我们来看看fit_generator 在官方API中的讲解

fit_generator(generator, steps_per_epoch=None, epochs=1, 
verbose=1, callbacks=None, validation_data=None, 
validation_steps=None, class_weight=None,
 max_queue_size=10, workers=1, use_multiprocessing=False, 
shuffle=True, initial_epoch=0)

在这里主要看看steps_per_epoch和epoch的区别

generator: 一个生成器，或者一个 Sequence (keras.utils.Sequence) 对象的实例， 
以在使用多进程时避免数据的重复。 生成器的输出应该为以下之一：

一个 (inputs, targets) 元组
一个 (inputs, targets, sample_weights) 元组。
这个元组（生成器的单个输出）组成了单个的 batch。 
因此，这个元组中的所有数组长度必须相同（与这一个 batch 的大小相等）。 
不同的 batch 可能大小不同。 例如，一个 epoch 的最后一个 batch 往往比其他 batch 要小， 
如果数据集的尺寸不能被 batch size 整除。 生成器将无限地在数据集上循环。当运行到第 steps_per_epoch 时，记一个 epoch 结束。

 意思就是generator每次被调用返回的tuple的len，都是一个batch的大小（例如32），包含了inputs-（batch_size,feature),target-(batch_size,target_feature).

steps_per_epoch: 在声明一个 epoch 完成并开始下一个 epoch 之前从 generator 产生的总步数（批次样本）。 
它通常应该等于你的数据集的样本数量除以批量大小。 对于 Sequence，它是可选的：如果未指定，将使用len(generator) 作为步数。

说人话，steps_per_epoch的参数就是，对于下一次的epoch开始之前，调用你的generator产生准备数据的次数，你的generator必须每次返回32（batch_size）个training样本，那么steps_per_epoch = total_samples//(batch_size),这里的//是整除的意思，你也可以使用numpy.ceil的函数向上取整，这样做的目的是为了舍弃最后不满足batch_size的数据。