Keras:flow_from_目录在fit_生成器调用期间保存了太多图像

我有以下列车/验证代码：

#我们创建两个具有相同参数的实例
图像数据根参数=dict（旋转范围=90.0，重缩放=1/255.0）
掩码数据根参数=dict（旋转范围=90.0，重缩放=1/255.0）
序列图像数据发生器=图像数据发生器（**图像数据发生器参数）
序列掩码数据发生器=图像数据发生器（**掩码数据发生器参数）
验证\u image\u datagen=ImageDataGenerator（）
验证\u掩码\u数据源=图像数据生成器（**掩码\u数据\u数据源参数）
#提供相同的种子流方法
种子=1
train\u image\u generator=来自\u目录的train\u image\u datagen.flow\u(
abs\u父项\u列车\u图像\u路径，
class_模式=无，
种子=种子，
follow_links=True，#我们将图像符号链接到临时目录
批次大小=1，
洗牌=正确，
目标大小=（图像大小，图像大小））
序列掩码生成器=序列掩码数据生成目录中的流(
abs\u家长\u列车\u屏蔽\u路径，
class_模式=无，
种子=种子，
批次大小=1，
洗牌=正确，
目标大小=（图像大小，图像大小），
color\u mode=“灰度”，
保存到\u目录=abs\u父项\u列车\u路径）
validation\u image\u generator=来自\u目录的validation\u image\u datagen.flow\u(
abs\u父级\u测试\u图像\u路径，
class_模式=无，
种子=种子，
follow_links=True，#我们将图像符号链接到临时目录
批次大小=1，
洗牌=正确，
目标大小=（图像大小，图像大小））
验证\u掩码\u生成器=验证\u掩码\u datagen.flow\u来自\u目录(
abs\u父级\u测试\u屏蔽\u路径，
class_模式=无，
种子=种子，
批次大小=1，
洗牌=正确，
目标大小=（图像大小，图像大小），
color\u mode=“灰度”，
保存到\u目录=abs\u父项\u测试\u掩码\u路径）
#将生成器组合成一个生成图像和遮罩的生成器
序列生成器=itertools.izip（序列映像生成器、序列掩码生成器）
验证\生成器=itertools.izip（验证\图像\生成器、验证\掩码\生成器）
#测试发电机的节能
对于idx，在枚举中配对（验证\u生成器）：
打印（idx）
打印（'迭代'）
如果idx>=0：
打破
modeler.model.fit\u生成器（生成器=系列生成器，
每个历元的步数=1，
验证数据=验证生成器，
验证步骤=1，
纪元=1，
回调=回调\u列表，
详细=1）

四个序列/验证目录在所需的

目录/子目录/image

组织中有一个图像或掩码，用于

从\u目录流\u

。因此，目录结构被认为不是问题所在。培训期间，kera的打印件进一步证实了这一点：

找到了属于1个类的1个图像。
找到属于1个类的1个图像。
找到属于1个类的1个图像。
找到属于1个类的1个图像。

我注意到，

fit\u generator

在每次列车运行时保存多个图像。 由于，历元、每个历元的步数、验证步数和图像/掩码数（用于训练/验证）都等于1，因此我希望在调用

fit\u生成器

的过程中准确地保存一张图像。然而，数字似乎是9（相同的图像，但每个具有不同的旋转）

有趣的是，这似乎是

fit_generator

的结果，而不是

ImageDataGenerator

类的结果，因为我可以在

for

循环迭代

validation_generator

之后中断，并在每次迭代

for

循环时只保存一个图像（如预期）

有什么我做错了吗？ 这是预期的行为（为什么）

---

谢谢

fit_生成器功能有两个附加参数，这两个参数可能是观察到的行为的原因：

• workers

  的默认值

  =1

  表示将使用额外的线程加载图像。线程将从提供的生成器中获取图像并将其放入队列中

• max\u queue\u size

  默认值

  =10

  是此队列的最大长度。当调用

  fit_generator

  返回时，排队器线程将停止，但在此之前，它将继续用图像填充队列，即使其中一些图像不再需要

---

谢谢！将

workers=0

添加到

fit\u generator

和

evaluate\u generator

会将每次调用中保存的图像数分别减少到1。