Machine learning 什么是；洗牌；在keras中安装发电机吗？

我手动构建了一个数据生成器，它生成每个调用的

[输入，目标]

元组。我将生成器设置为每个历元洗牌训练样本。然后，我使用

fit_generator

调用我的

generator

，但是在这个函数中的“shuffle”参数会混淆：

fit_generator(self, generator, steps_per_epoch=None, epochs=1, verbose=1, callbacks=None, validation_data=None, validation_steps=None, class_weight=None, max_queue_size=10, workers=1, use_multiprocessing=False, shuffle=True, initial_epoch=0)

来自Keras：

洗牌：是否在开始时洗牌批次的顺序 每一个时代。仅用于序列的实例 （keras.utils.序列）

---

我认为“洗牌”应该是

生成器的工作。当我的自定义
generator
决定在每次迭代中输出哪个批次时，它如何洗牌批次的顺序？
正如您引用的文档所述，洗牌参数仅与实现keras.utils.Sequence的生成器相关

如果您使用的是“简单”生成器（如keras.preprocessing.image.ImageDataGenerator或您自己的自定义非序列生成器），则该生成器将实现一个返回单个批次的方法（使用产量-您可以在中了解更多信息）。因此，只有生成器本身控制返回的批次

已引入以支持多处理：

序列是进行多处理的一种更安全的方法。这个结构
保证网络每次仅对每个样本进行一次训练
发电机的情况并非如此

为此，您需要实现一种方法，该方法通过批索引（允许同步多个工作进程）返回批：
\uuuu getitem\uuuuuuuuu（self，idx）
。如果启用shuffle参数，将使用随机顺序的索引调用
\uuu getitem\uuu
方法

但是，您也可以将其设置为false，并通过在_epoch_end

方法上实现

，对自己进行洗牌。
因此，如果我使用自己的自定义非序列生成器并在fit generator中设置shuffle=True，会发生什么情况？不会发生任何情况。如果查看源代码：，则仅当生成器是序列时才使用该参数。在方法uu getitem_u（…）中，是否有方法知道哪个工作线程id正在抓取该特定批次（由“idx”标识）？问这个问题的动机是我想把工作量分散到两个工人身上，构建一个单独的数据集（例如负样本）。理想情况下，这应该在一个终端完成，但它可能不会由多个进程完成？