Python 如何将fit_generator与分批的顺序数据一起使用？

我正在尝试为我的Keras lstm模型编写一个生成器。将其与fit_生成器方法一起使用。 我的第一个问题是我的发电机应该返回什么？一批？一个序列？ Keras文档中的示例为每个数据输入返回x，y，但如果我的数据是连续的呢？我想把它分成几批

下面是为给定输入创建批处理的python方法

def get_batch(data, batch_num, batch_size, seq_length):
    i_start = batch_num*batch_size;
    batch_sequences = []
    batch_labels = []
    batch_chunk = data.iloc[i_start:(i_start+batch_size)+seq_length].values
    for i in range(0, batch_size):
        sequence = batch_chunk[(i_start+i):(i_start+i)+seq_length];
        label = data.iloc[(i_start+i)+seq_length].values;
        batch_labels.append(label)
        batch_sequences.append(sequence)
    return np.array(batch_sequences), np.array(batch_labels);

此方法对于以下输入的输出：

get_batch(data, batch_num=0, batch_size=2, seq_length=3):

将是：

x = [
      [[1],[2],[3]],
      [[2],[3],[4]]
    ]

以下是我如何想象我的模型：

model = Sequential()
model.add(LSTM(256, return_sequences=True, input_shape=(seq_length, num_features)))
model.add(Dropout(0.2))
model.add(LSTM(256))
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adam')

---

我的问题是如何将我的方法转换为生成器

这里有一个解决方案，它使用的方法与Keras中的发电机类似：

class MySequence(Sequence):
  def __init__(self, num_batches):
    self.num_batches = num_batches

  def __len__(self):
    return self.num_batches # the length is the number of batches

  def __getitem__(self, batch_id):
    return get_batch(data, batch_id, self.batch_size, seq_length)

---

我认为这是更干净，不会修改您原来的功能。现在您将

MySequence

的一个实例传递给

model.fit\u generator

谢谢，这正是我需要的，这种方法还允许我使用

fit\u generator

中的选项

use\u multiprocessing

异步获取批。您能否详细介绍一下使用带有

\uuuuu getitem\uuuuu

的类而不是使用生成器的优点？只是它的线程安全吗？是的，非常安全：序列是进行多处理的更安全的方法。这种结构保证了网络在每个历元的每个样本上只训练一次，这与生成器不同。来自。谢谢@nuric！