Python Keras训练批处理上的训练批（）不训练模型与拟合（）

我有一个太大的数据集，不能放在RAM上，所以我选择使用批量训练来增量训练我的模型。 为了测试这种方法是否有效，我从大量数据中提取一个子集来运行一些初步测试

但是，我在训练模型时遇到了一些问题，即在批处理（）上使用train_进行训练时，模型的准确度停留在10%。使用fit（），我在40个纪元时获得了95%的准确率。我还尝试了fit_generator（），遇到了类似的问题

使用fit（）

在批处理（）上使用序列

---

您使用的洗牌不正确，因为洗牌后y_序列与x_序列不匹配。当你像那样洗牌时，每个数组都会以不同的顺序洗牌。 您可以使用：

length = x_train.shape[0]
idxs = np.arange(0, length)
np.random.shuffle(idxs)

x_train = x_train[idxs]
y_train = y_train[idxs]

#386 has been chosen so that each batch size is 128
splitSize = len(y_train) // 386

for j in range(20):
    print('epoch: '+str(j)+' ----------------------------')
    np.random.shuffle(x_train)
    np.random.shuffle(y_train)
    xb = np.array_split(x_train,386)
    yb = np.array_split(y_train,386)
    sumAcc = 0
    index = list(range(386))
    random.shuffle(index)
    for i in index:
        results = model.train_on_batch(xb[i],yb[i])
        sumAcc += results[1]
    print(sumAcc/(386))

length = x_train.shape[0]
idxs = np.arange(0, length)
np.random.shuffle(idxs)

x_train = x_train[idxs]
y_train = y_train[idxs]