Question

这个问题考虑了Keras中多个大文件训练的常见问题，这些文件联合太大而无法适应GPU内存。我正在使用Keras 1.0.5，我想要一个不需要1.0.6的解决方案。 fchollet描述了一种方法 here和 here：

# Create generator that yields (current features X, current labels y)
def BatchGenerator(files):
    for file in files:
        current_data = pickle.load(open("file", "rb"))
        X_train = current_data[:,:-1]
        y_train = current_data[:,-1]
        yield (X_train, y_train)

# train model on each dataset
for epoch in range(n_epochs):
    for (X_train, y_train) in BatchGenerator(files):
        model.fit(X_train, y_train, batch_size = 32, nb_epoch = 1)

但是我担心模型的状态不会被保存，而是模型不仅在时期之间而且在数据集之间重新初始化。每个“Epoch 1/1”代表下面不同数据集的培训：

~~~~~大纪元0 ~~~~~~

大纪元1/1 295806/295806 [==============================] - 13s - 损失：15.7517
大纪元1/1 407890/407890 [==============================] - 19s - 损失：15.8036
大纪元1/1 383188/383188 [==============================] - 19s - 损失：15.8130
~~~~~大纪元1 ~~~~~~

大纪元1/1 295806/295806 [==============================] - 14s - 损失：15.7517
大纪元1/1 407890/407890 [==============================] - 20多岁 - 损失：15.8036
大纪元1/1 383188/383188 [==============================] - 15s - 损失：15.8130

我知道可以使用model.fit_generator但是由于上面的方法被反复建议作为批量训练的一种方式，我想知道我做错了什么。

感谢您的帮助，

最高

Answer 1

我遇到这个问题已经有一段时间，但我记得我曾经使用过 Kera's functionality to provide data through Python generators，即model = Sequential(); model.fit_generator(...)。

示例代码段（应该是不言自明的）

def generate_batches(files, batch_size):
   counter = 0
   while True:
     fname = files[counter]
     print(fname)
     counter = (counter + 1) % len(files)
     data_bundle = pickle.load(open(fname, "rb"))
     X_train = data_bundle[0].astype(np.float32)
     y_train = data_bundle[1].astype(np.float32)
     y_train = y_train.flatten()
     for cbatch in range(0, X_train.shape[0], batch_size):
         yield (X_train[cbatch:(cbatch + batch_size),:,:], y_train[cbatch:(cbatch + batch_size)])

model = Sequential()
model.compile(loss='binary_crossentropy', optimizer='rmsprop', metrics=['accuracy'])

train_files = [train_bundle_loc + "bundle_" + cb.__str__() for cb in range(nb_train_bundles)]
gen = generate_batches(files=train_files, batch_size=batch_size)
history = model.fit_generator(gen, samples_per_epoch=samples_per_epoch, nb_epoch=num_epoch,verbose=1, class_weight=class_weights)

Keras：针对多个大型数据集的批量培训

1 个答案: