Python Keras fit_发电机问题

我随后为我的Keras模型创建了一个自定义生成器。以下是一个MWE，显示了我面临的问题：

import sys, keras
import numpy as np
import tensorflow as tf
import pandas as pd
from keras.models import Model
from keras.layers import Dense, Input
from keras.optimizers import Adam
from keras.losses import binary_crossentropy

class DataGenerator(keras.utils.Sequence):
    'Generates data for Keras'
    def __init__(self, list_IDs, batch_size, shuffle=False):
        'Initialization'
        self.batch_size = batch_size
        self.list_IDs = list_IDs
        self.shuffle = shuffle
        self.on_epoch_end()

    def __len__(self):
        'Denotes the number of batches per epoch'
        return int(np.floor(len(self.list_IDs) / self.batch_size))

    def __getitem__(self, index):
        'Generate one batch of data'
        # Generate indexes of the batch
        #print('self.batch_size: ', self.batch_size)
        print('index: ', index)
        sys.exit()

    def on_epoch_end(self):
        'Updates indexes after each epoch'
        self.indexes = np.arange(len(self.list_IDs))
        print('self.indexes: ', self.indexes)
        if self.shuffle == True:
            np.random.shuffle(self.indexes)

    def __data_generation(self, list_IDs_temp):
        'Generates data containing batch_size samples' # X : (n_samples, *dim, n_channels)

        X1 = np.empty((self.batch_size, 10), dtype=float)
        X2 = np.empty((self.batch_size, 12),  dtype=int)

        #Generate data
        for i, ID in enumerate(list_IDs_temp):
            print('i is: ', i, 'ID is: ', ID)

            #Preprocess this sample (omitted)
            X1[i,] = np.repeat(1, X1.shape[1])
            X2[i,] = np.repeat(2, X2.shape[1])

        Y = X1[:,:-1]
        return X1, X2, Y

if __name__=='__main__':
    train_ids_to_use = list(np.arange(1, 321)) #1, 2, ...,320 
    valid_ids_to_use = list(np.arange(321, 481)) #321, 322, ..., 480

    params = {'batch_size': 32}

    train_generator = DataGenerator(train_ids_to_use, **params)
    valid_generator = DataGenerator(valid_ids_to_use, **params)

    #Build a toy model
    input_1 = Input(shape=(3, 10))
    input_2 = Input(shape=(3, 12))
    y_input = Input(shape=(3, 10))

    concat_1 = keras.layers.concatenate([input_1, input_2])
    concat_2 = keras.layers.concatenate([concat_1, y_input])

    dense_1 = Dense(10, activation='relu')(concat_2)
    output_1 = Dense(10, activation='sigmoid')(dense_1)

    model = Model([input_1, input_2, y_input], output_1)
    print(model.summary())

    #Compile and fit_generator
    model.compile(optimizer=Adam(lr=0.001), loss=binary_crossentropy)
    model.fit_generator(generator=train_generator, validation_data = valid_generator, epochs=2, verbose=2)

我不想乱洗我的输入数据。我以为这已经得到了处理，但在我的代码中，当我在

\uuu get\u item\uuu

中打印出

索引时，我得到了随机数。我想要连续的数字。请注意，我试图使用
sys.exit
inside
\uu getitem\uuu
终止进程，以查看发生了什么

我的问题是:

为什么索引不连续？我怎样才能解决这个问题

当我在终端使用屏幕上运行这个时，为什么它不响应Ctrl+C

您可以使用
fit\u generator
方法的
shuffle
参数连续生成批。从
安装发电机（）
：

洗牌：布尔值。是否在每个历元开始时洗牌批次的顺序。仅用于
Sequence
（
keras.utils.Sequence
）的实例。当
steps\u per\u epoch
不是
None
时无效

只需将shuffle=False传递给
fit\u生成器
：

model.fit_generator(generator=train_generator, shuffle=False, ...)

我认为您可以通过将
shuffle=False
传递到
fit_generator
方法来实现这一点？您好，谢谢您的回复。我在
\uuuu init\uuuuu
中默认这么做，后来我测试了索引值是否被
中的if语句在\u epoch\u end
中乱序。我发现if语句中的东西没有被执行，我认为这意味着shuffle确实是错误的。您希望批量索引连续生成，对吗？这就是
fit\u生成器的
shuffle=False
参数。你试过了吗？是的，请看上面的评论。对不起，我不明白。在我的机器上，当我在
fit\u generator
调用中设置
shuffle=False
时（不是在
\uuuuu init\uuuuuu
方法中），我会得到连续的索引。好的，请让我检查我的理解：
fit\u generator
没有被覆盖，它属于Keras，并且有自己的参数。我使用
DataGenerator
所做的是创建我自己的生成器（train\u generator和valid\u generator），以创建供Keras使用的数据片段。但是为什么这意味着我需要在调用
fit_生成器
时指定
shuffle=False
，而不是在我自己的生成器中指定呢？@StatsSorceress
fit_生成器
已经实现，这样它就可以使用给定的索引值调用
序列
的
getitem
方法。因此，
fit_生成器
为您提供要生成的批次的索引。将
shuffle=False
传递给
fit_生成器
将强制它按顺序给出批索引，即0、1、2、3、。。。