在Keras中使用HDF5Matrix + .fit与.fit_generator有什么区别？

Question

我已经知道Keras中fit（）和fit_generator（）之间的区别。前者用于训练数据“足够小”以适合内存的情况，而后者则用于从驻留在磁盘上的文件生成数据，因为训练数据太大而无法加载到内存中。

处理大数据问题（另存为.hdf5）的另一种方法是使用keras HDF5Matrix如下导入训练数据：

from keras.utils.io_utils import HDF5Matrix

X_train = HDF5Matrix('input/file.hdf5', 'x')
y_train = HDF5Matrix('input/file.hdf5', 'y')

然后使用.fit（）训练模型

model.fit(x = X_train, y = y_train)

在那种情况下，使用fit_generator而不是简单的.fit（）函数会更有优势吗？

我在网上找到的唯一答案是：

https://scikit-learn.org/stable/modules/generated/sklearn.model_selection.RandomizedSearchCV.html

谢谢