我对fit_generator（）输出有问题，它输出的结果与fit（）方法不同。我有一个存储患者数据的目录。 Patient_x具有所有特征，而Patient_y具有试图预测的相应因变量Im。问题是当Im尝试加载每个患者并在每次迭代中产生批次的数据时（显然是下一个迭代，接下来的患者），我会得到不同的结果，好像我会做同样的事情，但是不是每次迭代都加载1个患者，而是加载全部患者立即将其串联起来。总结一下：如果我将所有患者加载到内存中然后进行批量处理->它输出正确的结果，但是如果我每次迭代加载仅1位患者（因为我没有足够的RAM来加载所有数据）并从该患者获得批量处理- ->它输出不好的结果。我已经检查过发生器是否输出相同批次的数据了。如果可以的话，请帮助我。
此生成器输出正确的结果。我正在传递整个数据集
def new_gen_shuffle(batch_size, X_train, y_train):
while True:
indices = np.arange(X_train.shape[0])
np.random.shuffle(indices)
for patient_batch in range(X_train.shape[0]):
inds = indices[patient_batch * batch_size:(patient_batch + 1) * batch_size]
batch_x = X_train[inds]
batch_y = y_train[inds]
if batch_x.shape[0] > 0 and batch_y.shape[0] > 0:
yield batch_x, batch_y
，但是这不能正常工作。我为每个患者（每个迭代与下一个患者重复）产生批次。但是他们两个都输出相同的批次
def batch_generator(batch_size, patients_x, patinets_y):
while True:
for patient in range(len(patients_x)):
X_train = np.load(path + "/" + patients_x[patient])
y_train = np.load(path + "/" + patients_y[patient])
indices = np.arange(X_train.shape[0])
np.random.shuffle(indices)
for patient_batch in range(X_train.shape[0]):
inds = indices[patient_batch * batch_size:(patient_batch + 1) * batch_size]
batch_x = X_train[inds]
batch_y = y_train[inds]
if batch_x.shape[0] > 0 and batch_y.shape[0] > 0:
yield batch_x, batch_y