Question

我构建了一个简单的生成器，只生成tuple(inputs, targets)和inputs列表中的单个项目targets。基本上，它一次抓取数据集，一个样本项。

我将此生成器传递给：

  model.fit_generator(my_generator(),
                      nb_epoch=10,
                      samples_per_epoch=1,
                      max_q_size=1  # defaults to 10
                      )

我明白了：

nb_epoch是培训批次的运行次数
samples_per_epoch是每个时期训练的样本数

但是max_q_size是什么，为什么它会默认为10？我认为使用生成器的目的是将数据集批量化为合理的块，那么为什么要添加额外的队列呢？

Answer 1

这只是定义了内部训练队列的最大大小，用于从发生器中“预缓存”样本。它在队列生成期间使用

def generator_queue(generator, max_q_size=10,
                    wait_time=0.05, nb_worker=1):
    '''Builds a threading queue out of a data generator.
    Used in `fit_generator`, `evaluate_generator`, `predict_generator`.
    '''
    q = queue.Queue()
    _stop = threading.Event()

    def data_generator_task():
        while not _stop.is_set():
            try:
                if q.qsize() < max_q_size:
                    try:
                        generator_output = next(generator)
                    except ValueError:
                        continue
                    q.put(generator_output)
                else:
                    time.sleep(wait_time)
            except Exception:
                _stop.set()
                raise

    generator_threads = [threading.Thread(target=data_generator_task)
                         for _ in range(nb_worker)]

    for thread in generator_threads:
        thread.daemon = True
        thread.start()

    return q, _stop

换句话说，你有一个线程直接从你的生成器填充队列到最大容量，而（例如）训练例程消耗它的元素（有时候等待完成）

 while samples_seen < samples_per_epoch:
     generator_output = None
     while not _stop.is_set():
         if not data_gen_queue.empty():
             generator_output = data_gen_queue.get()
             break
         else:
             time.sleep(wait_time)

为什么默认为10？没有特别的原因，就像大多数默认值一样 - 它只是有意义，但你也可以使用不同的值。

这样的构建表明，作者考虑过昂贵的数据生成器，这可能需要时间来进行。例如，考虑在生成器调用中通过网络下载数据 - 然后，为了提高效率并且对网络错误等具有鲁棒性，可以预先缓存下一批次并下载并行下载数据。

Answer 2

您可能要注意将max_q_size与fit_generator结合使用。实际上，您在生成器函数中声明和使用的批处理大小将被视为一个单独的输入，并非如此。

因此，批量大小为1000张图像且max_q_size为2000，将导致实际的max_q_size为2000x1000 = 2,000,000张图像，这对您的内存不利。

这就是为什么有时Keras模型从不停止增加内存直到训练过程崩溃的原因

“model.fit_generator”中使用的参数“max_q_size”是什么？

2 个答案: