我不理解fit_generator()方法的设计。在我的例子中，样本数量可能会有所不同，除非事先通过整个数据集，否则我无法事先确定样本数量。
model.fit_generator(generator=batch_generator(train_data),
samples_per_epoch=10000,
nb_epoch=1,
nb_worker=1)
在我的场景中，我记录了几圈。由于这些圈数没有同样快速完成，每圈的样本的数量可能会有所不同。
如果我可以简单地抛出一个StopIteration异常来表示一个时代的结束，那将是很好的。更好的是EpochEnd和TrainingEnd例外来控制基于这些例外的时期和整个训练，但我想这是不可能的。
但是，我想知道我是否可以使用类似fit_generator()的内容，而无需知道每个时代的样本数量。