Keras学习︱训练时显存out of memory的解决办法——fit_generator函数

版权声明：作者：Britesun 欢迎转载，与人分享是进步的源泉！ https://blog.csdn.net/qq_34807908/article/details/82021718

keras默认情况下用fit方法载数据，就是全部载入。换用fit_generator方法就会以自己手写的方法用yield逐块装入
问题描述：建立好model之后，用model.fit()函数进行训练，发现超出显存容量
问题分析：fit()函数训练时，将全部训练集载入显存之后，才开始分批训练。显然很容易就超出了显存容量
解决办法：用fit_generator函数进行训练

fit_generator函数将训练集分批载入显存，但需要自定义其第一个参数——generator函数，从而分批将训练集送入显存

def data_generator(data, targets, batch_size):
    batches = (len(data) + batch_size - 1)//batch_size
     while(True):
         for i in range(batches):
              X = data[i*batch_size : (i+1)*batch_size]
              Y = targets[i*batch_size : (i+1)*batch_size]
              yield (X, Y)
  
  

   
   
1
   
   
2
   
   
3
   
   
4
   
   
5
   
   
6
   
   
7
  
  

调用fit_generator时的方法

model.fit_generator(generator = data_generator(X_train, Y_train, batch_size),
                    steps_per_epoch = (len(data) + batch_size - 1) // batch_size,
                    epochs = num_epochs,
                    verbose = 1,
                    callbacks = callbacks,
                    validation_data = (X_val, Y_val)
)
  
  

   
   
1
   
   
2
   
   
3
   
   
4
   
   
5
   
   
6
   
   
7