Python 使用以前加载在Keras fit_generator（）中的数据的生成器的好处

在线查看keras.fit_generator中要使用的生成器的代码示例时，有些人通过从目录逐步加载数据来构造生成器，但有些人将已经加载到下面的内存伪代码中的数据作为输入数据。 在这种情况下，发电机有什么帮助

->fit_generator->generator在使用多处理时避免重复数据，这可能与答案有关。如果是这样的话，有什么更详细的解释

def generatordata，…： ... 产量 输入数据=。。。 列车发电机=发电机输入数据。。。 val_gen=发电机输入数据。。。 ... model.fit_generatortrain_gen， ..., 验证数据=val\U gen ..

---

你可以用生成器做任何事情，包括数据扩充，这都是关于创造力的。你可以：

动态执行数据扩充每个批都会获得不同的随机扩充，而不是执行静态扩充 将低内存中间数据转换为大内存最终数据示例：从文件名加载图像 等 选项没有限制。这是两种非常常见的情况下，发电机将是伟大的

如果您有数据并且不想对其进行任何处理，那么就不需要生成器