Neural network 批处理如何同时包含正片和负片标签？

我想用VGG-16解决行人分类问题。为了做到这一点，我准备了训练和测试集。我的列车组有2038个图像，测试组有252个图像。我的批量是64。我如何告诉Keras我希望这64张图片在训练时同时包含正面和负面标签？我不希望它只在正面或负面标签上学习。

如果你洗牌你的训练数据（这是强烈建议的），获得属于同一类的所有64个样本的机会很小。对于两类任务，数据应该没有问题

---

但是，如果您希望保证均衡的培训批次，可以使用第三方代码，如。有关更多信息，请参阅此部分。

由于存在类似SGD的方法，我认为让一些小批量只包含一个标签并不是一个大问题。也就是说，由于keras的

fit

没有处理它，您可能需要像这样编写自己的数据生成器。是什么让您认为这将是一个问题，您需要对此采取一些措施？如果您的正负标签是平衡的，那么您的批次只包含正片或负片是非常不正确的（但可能发生）。