on_epoch_end() 未在 keras fit_generator() 中调用答案

【问题标题】：on_epoch_end() not called in keras fit_generator()on_epoch_end() 未在 keras fit_generator() 中调用
【发布时间】：2020-04-25 23:19:03
【问题描述】：

我跟随this tutorial 使用fit_generator() Keras 方法即时生成数据，以训练我的神经网络模型。

我使用keras.utils.Sequence 类创建了一个生成器。对fit_generator() 的调用是：

history = model.fit_generator(generator=EVDSSequence(images_train, TRAIN_BATCH_SIZE, INPUT_IMG_DIR, INPUT_JSON_DIR, SPLIT_CHAR, sizeArray, NCHW, shuffle=True),
                              steps_per_epoch=None, epochs=EPOCHS,
                              validation_data=EVDSSequence(images_valid, VALID_BATCH_SIZE, INPUT_IMG_DIR, INPUT_JSON_DIR, SPLIT_CHAR, sizeArray, NCHW, shuffle=True),
                              validation_steps=None,
                              callbacks=callbacksList, verbose=1,
                              workers=0, max_queue_size=1, use_multiprocessing=False)

steps_per_epoch是None，所以每个epoch的步数是通过Keras的__len()__方法计算出来的。

如上链接所述：

这里，on_epoch_end 方法在每个 epoch 的开始和结束时触发一次。如果shuffle 参数设置为True，我们将在每次通过时获得一个新的探索顺序（否则保持线性探索方案）。

我的问题是 on_epoch_end() 方法只在开始时被调用，而不会在每个纪元结束时被调用。因此，在每个 epoch，批次顺序始终相同。

我尝试在__len__() 方法中使用np.ceil 而不是np.floor，但没有成功。

你知道为什么 on_epoch_end 在每个 epoch 结束时不被调用吗？你能告诉我在每个时期结束（或开始）时调整批次顺序的任何解决方法吗？

非常感谢！

【问题讨论】：

标签： python tensorflow keras deep-learning training-data

【解决方案1】：

我遇到了同样的问题。我不知道为什么会发生这种情况，但有一种解决方法：在__len__() 内调用on_epoch_end()，因为__len__() 将在每个时期被调用。

【讨论】：

感谢您的回复！无论如何，几天前我已经（临时）以这种方式解决了，但这会打乱所有样本。我最初的目标是只打乱批次提供给网络的顺序，保留单个批次中样品的顺序。
非常感谢，我也遇到了同样的问题，直到我发现我的实验结果很奇怪时才意识到。

【解决方案2】：

可能与问题有关：Keras model.fit not calling Sequence.on_epoch_end() #35911

快速解决方法是使用LambdaCallback（请注意，我使用fit 就足够了，因为不推荐使用fit_generator）

from tf.keras.callbacks import LambdaCallback

model.fit(generator, callbacks=[LambdaCallback(on_epoch_end=generator.on_epoch_end)])

希望对你有帮助！

【讨论】：

【解决方案3】：

而且我发现当您创建 on_predict_end() callback_lambda 时，它不会在预测结束时调用。顺便说一句，predict() 接受一个 callbacks=list(...) 参数。

此外，您似乎可以像这样测试回调：

(create your 'model' object)
callback_batch_end <- callback_lambda(
    on_batch_end = function(batch, logs) {
        cat("Hello world\n")
    }
)
callback_batch_end$on_batch_end(1, "x")
(prints 'Hello world')
callback_predict_end <- callback_lambda(
    on_predict_end = function(logs) {
        cat("Hello world\n")
    }
)
callback_predict_end$on_predict_end("x")
(prints nothing)

【讨论】：