首页如何在Keras中使用`fit_generator`训练模型？

如何在Keras中使用`fit_generator`训练模型？

时间: 2024-09-21 22:08:06 浏览: 88

在Keras中，`fit_generator`方法主要用于处理大型数据集，尤其是那些无法一次加载到内存中的数据，如图片、文本等。以下是使用`fit_generator`的基本步骤： 1. **准备生成器**：创建一个生成器函数，它每次迭代返回一个小批量的训练样本。你可以使用`keras.preprocessing.image.ImageDataGenerator`或其他自定义生成器来做到这一点。例如： ```python from keras.preprocessing.image import ImageDataGenerator train_datagen = ImageDataGenerator(rescale=1./255) # 对像素值做归一化 train_generator = train_datagen.flow_from_directory( 'train_data', target_size=(224, 224), batch_size=32, class_mode='categorical') ``` 2. **定义模型**：确保你的模型已经被编译，并准备好接收输入数据。比如一个卷积神经网络(CNN)： ```python model = Sequential([ Conv2D(32, (3, 3), activation='relu', input_shape=(224, 224, 3)), MaxPooling2D((2, 2)), ... # 其他层... ]) model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy']) ``` 3. **开始训练**：现在你可以调用`fit_generator`并传入训练生成器以及可能需要的其它参数，如轮数epochs和验证生成器： ```python model.fit_generator(train_generator, epochs=10, validation_data=val_generator) ``` 注意，`validation_data`参数也是一个生成器，如果有的话，会用来评估模型性能。

阅读全文