В чем разница между fit () и fit_generator () в Keras?

В чем разница между fit()и fit_generator()в Керасе?

Когда я должен использовать fit()против fit_generator()?

В keras fit()он очень похож на метод подбора sklearn, где вы передаете массив объектов в виде значений x и цели как значений y. Вы передаете весь свой набор данных сразу в подходящем методе. Кроме того, используйте его, если вы можете загрузить целые данные в вашу память (небольшой набор данных).

In fit_generator(), вы не передаете x и y напрямую, вместо этого они приходят от генератора . Как написано в документации keras , генератор используется, когда вы хотите избежать дублирования данных при использовании многопроцессорной обработки. Это для практических целей, когда у вас большой набор данных.

Вот ссылка, чтобы понять больше об этом

Что нужно знать о Keras, если вы планируете обучать модель глубокого обучения большому набору данных

Для справки вы можете проверить эту книгу - https://github.com/hktxt/bookshelf/blob/master/Computer%20Science/Deep%20Learning%20with%20Python%2C%20Fran%C3%A7ois%20Chollet.pdf

Существует больше различий между Керасом fitи fit.generatorчем кажется на первый взгляд. У меня был набор данных, который был отлично изучен при использовании модели fit.generator. Поскольку набор данных не был слишком большим, я решил fitвместо этого перейти на fit.generator. К моему удивлению, кривая обучения была повсюду. Пришлось начать настройку с нуля. Угадайте, каким образом обновляются градиенты в каждой функции, значительно отличается. Осторожно.