我在项目中使用keras是新手。我一直在模型中使用generator。
我真的很困惑我应该输入什么值
1）在fit_generator中：steps_per_epoch和validation_steps？
2）Evaluation_generator：步骤？
3）预测生成器：步骤？
我已经提到了keras documentation和其他几个stack1，stack2问题。我听不懂更好的是，我可以提供有关数据形状的示例，以说明我目前的工作方式，并相应地回答我的问题。另外，如果我的理解有误，请更正
model.fit_generator(trainGen, steps_per_epoch=25, epochs = 100, validation_data=ValGen, validation_steps= 4)
第一季度：每个时期都有25 steps。对于每个步骤，trainGen都会产生形状为(244*100*4, 244*100*2)的元组并进行训练。
我的
batch_size和我的batches和steps_per_epoch is 25是什么？
第二季度：
我知道val_acc and val_loss将在25th step of the an epoch的末尾计算。我选择我的validation_steps = 4。因此ValGen产生一个形状为(30*100*4, 30*100*2) 4 times at the end of 25th step of an epoch
我已任意选择
validation_steps = 4.，但如何选择validation_steps的正确数量？val_loss & val_acc如何 计算过的？ （以单批或四次计算平均值 使用batch_size）
第三季度：
例如，在evaluate_generator & predict_generator中，生成器为这两个生成了元组形状(30*100*4, 30*100*2)。
如何为两个
steps参数选择正确的数字evaluate_generator & predict_generator？在keras文件中，它表示为停止前从发生器产生的步骤总数（样本批次）？In my case what will the batches of samples ?
如果需要任何其他信息，请告诉我。
答案 0 :(得分：2)
步骤不是您“选择”的参数，您可以将其计算为：
steps = number of samples / batch size
因此，这里您唯一可以选择的参数是批处理大小，该值选择为训练时模型不会用完内存的值。典型值在32到64之间。
对于训练集，使用训练集的样本数，然后将其除以训练批次大小，对于验证集，将验证集中的样本数除以验证批数。两个批次的大小可以相等。
这适用于所有使用生成器的函数。