理解fit_generator (steps_per_epoch)、validation_steps、evaluate_generator (Steps)和predict_generator (steps)

Question

我在我的项目中使用角语是新的。在我的模型中，我一直在与generator合作。

我真的很困惑，我应该输入什么价值？

( 1) fit_generator : steps_per_epoch & validation_steps？ 2) evaluate_generator :步骤？ 3) predict_generator :步骤？

我已经提到了keras文件和其他几个stack1，stack2的问题。我无法理解。更好地，我可以提供我的数据的例子，形状，我目前的工作，并跟随我的问题。另外，如果我的理解是错误的，请纠正

model.fit_generator(trainGen, steps_per_epoch=25, epochs = 100, validation_data=ValGen, validation_steps= 4)

Q1:每一个时代都有25 steps。对于每个步骤，trainGen生成一个形状(244*100*4, 244*100*2)的元组并执行培训。

如果我的batch_size和batches是steps_per_epoch is 25的话，那会是什么？

Q2: --我知道val_acc and val_loss将在25th step of the an epoch的末尾计算。我选择我的validation_steps = 4。因此，ValGen生成一个形状为(30*100*4, 30*100*2) 4 times at the end of 25th step of an epoch的元组。

我任意选择了validation_steps = 4.，但是如何选择正确的validation_steps数呢？val_loss & val_acc是如何计算的？(将平均4倍计算为单批或使用batch_size)

Q3:例如，在evaluate_generator & predict_generator中说，“我的生成器”为两者都生成了一个元组形状(30*100*4, 30*100*2)。

如何为两个steps参数选择正确的evaluate_generator & predict_generator参数？在keras文档中，提到了在停止前从生成器产生的步骤总数(批量样本)？In my case what will the batches of samples ?。

如果需要更多的信息，请告诉我。

Answer 1

步骤不是您“选择”的参数，您可以将其计算为：

steps = number of samples / batch size

因此，在这里，您可以自由选择的唯一参数是批处理大小，它被选择为一个值，在该值中，模型在训练时不会耗尽内存。典型值在32到64之间。

对于培训集，使用培训集的样本数并将其划分为培训批次大小，而对于验证集，则使用验证集中的样本数与验证批大小进行除法。两个批次大小都可以相等。

这适用于所有使用生成器的函数。