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