keras深度学习分批次训练（by batch）_keras 分batch训练

最近开发深度学习算法的可交互的演示程序，遇到这样一个需求：实时显示每个批次每个epoch的loss值，那么keras模型的fit函数不太能用了，fit函数是把所有的数据喂到model里面，自然就会想到keras会有分批次训练的函数，不需要自己造轮子了

keras里边有两个和分批次相关的函数：train_on_batch和fit_generator，这里分享一些介绍到关键点的笔记

fit_generator是什么，怎么用

• 上链接：https://blog.csdn.net/qq_38736504/article/details/106485948
• 敲黑板画重点啦！
  使用fit_generator函数最难理解的是它的generator参数，这份笔记详细的介绍了generator参数是什么，怎样写，是要程序员自己写一个函数啦，不要总想着偷懒，程序员自己可以写嗷，它开始要无限循环啊

这里边有一个实际的例子非常好，在链接的第6部分，记得查看啊～

那么，我对fit_generator函数的理解是，它可以分批次的训练，怎么划分是用户自己定义好的，fit_generator自动去调用那个生成器，一次一次的循环。

• 返回值：返回值也非常的重要，关乎到需求用什么，返回值是训练历史字典，包含了很多的信息！ 一个 History 对象。其 History.history 属性是连续 epoch 训练损失和评估值，以及验证集损失和评估值的记录（如果适用）。

https://blog.csdn.net/wuxulong123/article/details/105024298

train_on_batch能做什么

• 上链接：https://blog.csdn.net/baoxin1100/article/details/107917633
• 它讲解的非常好，train_on_batch没有什么生成器函数，它的输入参数是实实在在的数据，返回值是训练的loss，返回值更简单
• 第6部分也不错，学习速率也是可以调整的～也不用担心不能调节学习速率了

生成器返回值的格式

• 上链接：https://blog.csdn.net/weixin_42744102/article/details/87272950
  
  fit_generator函数需要的generator参数的返回值是一个tuple，这对我们自己写划分批次数据是一个启发，自定义一个函数，负责给数据分批次，返回值是list，list的元素是tuple，tuple的组成是(input, output)

train_on_batch和fit_generator的区别和适用情况

• 使用方法对比
  https://blog.csdn.net/wuxulong123/article/details/105024298
  后半部分是非常不错的讲解，可以好好看看嗷

• 输入不同
  train_on_batch的输入是实实在在的数据，fit_generator输入是一个generator生成器，看了这么多，我理解生成器的返回值是可迭代的一种数据类型，return的时候用python的关键字yield

• train_on_batch的好处

https://blog.csdn.net/weixin_42744102/article/details/90083903

它的工程代码太棒了！

最后

最后忘了了解为什么会有train_on_batch和fit_generator函数，可不是因为我们最初那个可视化的需求，而是，数据规模太大的时候，一次读入内存，内存会泄漏，才有了分批次训练

https://cloud.tencent.com/developer/article/1724587

好啦～对于train_on_batch和fit_generator的学习就到这里啦，欢迎点赞、收藏和转发嗷～