model.train_on_batch介绍

大部分使用 keras 的同学使用 fit() 或者 fit_generator() 进行模型训练， 这两个 api 对于刚接触深度学习的同学非常友好和方便，但是由于其是非常深度的封装，对于希望自定义训练过程的同学就显得不是那么方便（从 torch 转 keras 的同学可能更喜欢自定义训练过程），而且，对于 GAN 这种需要分步进行训练的模型，也无法直接使用 fit 或者 fit_generator 直接训练的。因此，keras 提供了 train_on_batch 这个 api，对一个 mini-batch 的数据进行梯度更新。

总结优点如下：

• 更精细自定义训练过程，更精准的收集 loss 和 metrics
• 分步训练模型-GAN的实现
• 多GPU训练保存模型更加方便
• 更多样的数据加载方式，结合 torch dataloader 的使用
   

原型：

y_pred = Model.train_on_batch(
    x,
    y=None,
    sample_weight=None,
    class_weight=None,
    reset_metrics=True,
    return_dict=False,
)

参数详解：

•     x:模型输入，单输入就是一个numpy数组，多输入就是numpy数组的列表
•     y:模型标签，单输出就是一个numpy数组，多输出就是numpy数组的列表
•     sample_weight:mini_batch中每个样本对应的权重，形状（batch_size࿰