使用 Keras fit_generator，steps_per_epoch 应该等于可用样本总数除以 batch_size。
但是，如果我选择的 batch_size 不适合样本 n 次，那么生成器或 fit_generator 将如何反应？它是否会产生样本，直到它不能再填充整个batch_size，或者它只是使用较小的batch_size 作为最后的产量？
我问的原因：我将我的数据分成不同大小（不同百分比）的训练/验证/测试，但会为训练集和验证集使用相同的批量大小，尤其是训练集和测试集。由于它们的大小不同，我无法保证批量大小适合样本总量。
【问题讨论】：
yield
是您创建了生成器，因此行为由您定义。
如果steps_per_epoch 大于预期批次，fit 将看不到任何内容，它只会继续请求批次，直到达到步数。
唯一的事情是：你必须确保你的生成器是无限的。
例如，在开头使用while True:。
ImageDataGenerator 的生成器。如果生成器来自ImageDataGenerator，它实际上是keras.utils.Sequence，并且它具有长度属性：len(generatorInstance)。
然后你可以自己检查会发生什么：
remainingSamples = total_samples % batch_size #confirm that this is gerater than 0
wholeBatches = total_samples // batch_size
totalBatches = wholeBatches + 1
if len(generator) == wholeBatches:
print("missing the last batch")
elif len(generator) == totalBatches:
print("last batch included")
else:
print('weird behavior')
并检查最后一批的大小：
lastBatch = generator[len(generator)-1]
if lastBatch.shape[0] == remainingSamples:
print('last batch contains the remaining samples')
else:
print('last batch is different')
【讨论】：
total_samples 是是batch_size的倍数的情况，我会写totalBatches = wholeBatches + (remainingSamples != 0)（或简单地@ 987654333@，并相应地更改以下条件...？
Sequence 生成器以查看它的作用（因为您没有创建它）。
如果您将N 分配给fit_generator() 的参数steps_per_epoch，Keras 基本上会在考虑完成一个时期之前调用您的生成器N 次。由您的生成器生成 N 批次中的所有样本。
请注意，由于对于大多数模型来说，每次迭代都有不同的批量大小是可以的，您可以修复 steps_per_epoch = ceil(dataset_size / batch_size) 并让您的生成器为最后的样本输出较小的批量。
【讨论】：
我遇到了同样的逻辑错误
通过定义steps_per_epochs解决了它
BS = 32
steps_per_epoch=len(trainX) // BS
history = model.fit(train_batches,
epochs=initial_epochs,steps_per_epoch=steps_per_epoch,
validation_data=validation_batches)
【讨论】：