在Keras中，当使用model.fit()进行训练导致显存不足时，可以改用fit_generator函数。fit_generator允许通过自定义的generator函数分批次加载数据，避免一次性加载全部数据造成内存溢出。此方法要求提供一个生成器，在每次迭代时返回一批数据，以降低内存压力。
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
最低0.47元/天 解锁文章
扫一扫
1996
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
