Python 使用keras发电机的时代是什么？

我想使用fit_generator来处理我的数据

我知道生成器必须永远运行，每个历元的样本数定义了在进入下一个历元之前从生成器生成的元素数

但这里的时代是什么？当我们运行fit时，一个历元是对整个数据集的运行，根据批大小进行分割。但在这里，批大小没有任何意义，因为fit_生成器的工作方式类似于在生成器的每个元素上调用批上的train_，并且不存在“整个数据集”这样的东西

---

我的问题是：每个历元和nb历元的样本有意义吗？或者，在任何情况下，网络都以相同的方式对生成器返回的每个历元*每个历元批次的样本进行训练，并且历元没有实际意义？

fit\u生成器

对生成器生成的数据一无所知。生成器类负责检查整个数据集。使用

samples\u per\u epoch

fit\u生成器可以简单地跟踪epoch计数。检查&。

好，那么确定训练的唯一因素是每个历元的样本数*nb\u历元？剩下的只是打印？你的第二个链接很有趣，所以事实上我错了，samples_per_epoch*nb_epoch不是批次数，而是不同批次大小的总和。你可以将samples_per_epoch设置为总的训练大小，然后通过生成器进行分割和传递。但我通常按批量大小来取整。。使生成器线程更易于实现。你可以核对我的答案