keras data fit generator 数据生成器 多输入数据生成器 图片 分割 逐像素label 直观调试 生成图片

此处以keras为例。

多数的深度学习方法都是支持批量yeild数据，而不是直接加载所有数据到内存。

给一个对比：

25512是未使用数据生成器的

30777是使用数据生成器的。

但是必须要说明的，GPU的内存是不会减少的，都是有多少用多少。给的多就多用，给的少就少用。

 

那么首先给出原始教程：

https://stanford.edu/~shervine/blog/keras-how-to-generate-data-on-the-fly

本教程就是教你怎么改的适合自己的数据。

源代码：（复制到你的文件中）

import numpy as np
import keras

class DataGenerator(keras.utils.Sequence):
    'Generates data for Keras'
    def __init__(self, list_IDs, labels, batch_size=32, dim=(32,32,32), n_channels=1,
                 n_classes=10, shuffle=True):
        'Initialization'
        self.dim = dim
        self.batch_size = batch_size
        self.labels = labels
        self.list_IDs = list_IDs
        self.n_channels = n_channels
        self.n_classes = n_classes
        self.shuffle = shuffle
        self.on_epoch_end()

    def __len__(self):
        'Denotes the number of batches per epoch'
        return int(np.floor(len(self.list_IDs) / self.batch_size))

    def __getitem__(self, index):
        'Generate one batch of data'
        # Generate indexes of the batch
        indexes = self.indexes[index*self.batch_size:(index+1)*self.batch_size]

        # Find list of IDs
        list_IDs_temp = [self.list_IDs[k] for k in indexes]

        # Generate data
        X, y = self.__dat