我在使用Keras训练模型时，尝试了’fit’和’fit_generator’两个函数。我不明白为什么它们的性能差异如此大，可能是我做错了什么。这是第一次编写批量生成器代码。
在批量大小为10的情况下，我观察到使用函数时-
fit：训练速度较快（每轮大约3分钟），详细信息中的计数以批量大小的倍数增加（这里是10）
样本-80/7632 […………………………] – ETA: 4:31 – 损失: 2.2072 – 准确率: 0.4375
fit_generator：训练速度较慢（每轮10分钟），详细信息中的计数每次增加1（不等于批量大小）
样本-37/7632 […………………………] – ETA: 42:25 – 损失: 2.1845 – 准确率: 0.3676
如你所见，对于相同的数据集，fit_generator的预计完成时间（ETA）过高。而且fit_generator每次增加1，而fit是以10的倍数增加。
生成器：
def batch_generator(X ,y, batch_size=10): from sklearn.utils import shuffle batch_count = int(len(X) / batch_size) extra = len(X) - (batch_count * batch_size) while 1: #shuffle X and y X_train, y_train = shuffle(X,y) #Yeild Batches for i in range(1, batch_count): batch_start = (i-1) * batch_size batch_end = i * batch_size X_batch = X_train[batch_start: batch_end] y_batch = y_train[batch_start: batch_end] yield X_batch, y_batch #Yeild Remaining Data less than batch size if(extra > 0): batch_start = batch_count * batch_size X_batch = X_train[batch_start: -1] y_batch = y_train[batch_start: -1] yield X_batch, y_batchFit函数：
model.fit_generator(batch_generator(X, y, 10), verbose = 1, samples_per_epoch = len(X), epochs = 20, validation_data = (X_test, y_test), callbacks = callbacks_list)谁能解释这是为什么？
回答：
fit_generator不使用样本，它使用步骤，你使用的是旧版Keras API，带有samples_per_epoch参数，这是不正确的，会产生错误的结果。正确的fit_generator调用应该是这样的：
model.fit_generator(batch_generator(X, y, 10), verbose = 1, steps_per_epoch = int(len(X) / batch_size), epochs = 20, validation_data = (X_test, y_test), callbacks = callbacks_list)steps_per_epoch控制在宣布一轮结束之前要使用多少步骤（调用生成器的次数）。它应该设置为总样本数除以批量大小。对于fit_generator，进度条中的索引指的是步骤（批次），而不是样本，因此你不能直接将它们与fit的进度条中的索引进行比较。
