Python 如何计算和求和Keras中多个小批次的梯度？

我想在训练期间增加我的神经网络的小批量大小（而不是衰减学习率），但由于我的GPU内存，小批量大小的上限是8

我找到了这篇文章

关于如何在不增加内存的情况下增加最小批处理大小，它是通过在PyTorch中实现一个DataLoader来实现的

这项技术很简单，你只需要计算和求梯度 多个小批量。仅在指定数量的小批量之后 是否更新模型参数

然而，我在Keras中找不到任何这样的例子。我假设必须使用函数uu getitem_uuu？
但我不知道如何实施它，甚至不知道它在Keras中是否可行。我也试着查看数据生成器的示例，但没有一个涉及到优化器。
如果有人能帮我，我将不胜感激

count = 0
for inputs, targets in training_data_loader:
    if count == 0:
        optimizer.step()
        optimizer.zero_grad()
        count = batch_multiplier

    outputs = model(inputs)
    loss = loss_function(outputs, targets) / batch_multiplier
    loss.backward()

    count -= 1