1 model.fit_generator(自己、発電機、steps_per_epoch、エポック= 1、冗長= 1、コールバック=なし、validation_data =なし、validation_steps =なし、class_weight =なし、max_q_size = 10、労働者= 1、pickle_safe =偽、initial_epoch = 0 )
データとトレーニングの1つのバッチで生成され、Pythonのジェネレータを使用しました。効率を改善するために、モデルと並列実行を生成します。たとえば、この機能は、GPU上の鉄道模型ながら、私たちは、CPU上のリアルタイムデータを強化することができます
関数のパラメータは次のとおりです。
-
発電機:ファンクション・ジェネレータは、出力を生成する必要があります。
-
タプルの(入力、ターゲット)のような形
-
タプルの(入力、目標、sample_weight)のような形。すべての戻り値は、サンプルの同じ番号が含まれている必要があります。データセットでBuilder無限ループ。モデルへの各エポックのいくつかのサンプル後に到達した
sameples_per_epoch
レコードエポックが終了したとき。
-
-
steps_per_epoch:整数、発電機への復帰は
steps_per_epoch
時間カウントデータエポックが終了すると、次のエポックの実行。推奨値样本总量除以train_flow的batch_size。如果未指定(
None
),则fit_generator的steps_per_epoch等于train_flow的batch_size。 -
エポック:整数データの反復のいくつかのラウンド。
-
詳細:いない標準出力ストリーム0で、ショーをログ出力ログ情報、記録プログレスバー出力、各エポック出力のための2つの行です。
-
validation_data:3つの形式のいずれかを持っています
-
バリデーションセットジェネレータの生成
-
タプルの(入力、ターゲット)のような形
-
(入力、目標、sample_weights)のような形のタプル
-
-
validation_steps:発電機がvalidation_dataである場合には、このパラメータは、認証リターン発電機セットの時間を指定します。
-
class_weight:所定量のカテゴリ右辞書は、カテゴリは一般に、サンプルの不均衡の処理に使用される重みにマッピングされます。
-
sample_weight:(トレーニングのみ)トレーニング中に損失関数を調整するためのnumpyのアレイ重み。1Dは試料重量のベクトル長の伝達行列、サンプル1~1ため等であってもよいし、時系列データの面内の各時間ステップに(サンプル、sequence_length)の形で送信されますサンプルは、異なる重みを割り当てます。この場合、モデルをコンパイルするときに追加してください
sample_weight_mode='temporal'
。 -
労働者:最大プロセス数
-
max_q_size:キューの最大容量を生成します
-
pickle_safe:trueの場合、プロセスベースのスレッド。子供が容易にプロセスに渡すことができないので、マルチプロセス、実装に依存するので、発電機(ピクルスをシリアル化することができない)のパラメータを非ピクルを渡すことはできません。
-
initial_epoch :,続行する前に研修で指定されたパラメータのエポックからトレーニングを開始するのに便利。
この関数は返すHistory
オブジェクトを