fit_generator()

---

在数据处理和网络定义完成后，跑模型时突然出现了错误： OOM

刚开始也不知道哪里的问题，发现有可能是内存耗尽了，然后就放进去500张图片进行fit，然后问题就消失了，猜想应该是数据太大，内存开销不够。
发现官方文档中说可以使用fit_generator()分批训练。

---

官方文档如下：

fit_generator(self, generator, 
                    steps_per_epoch=None, 
                    epochs=1, 
                    verbose=1, 
                    callbacks=None, 
                    validation_data=None, 
                    validation_steps=None,  
                    class_weight=None,
                    max_queue_size=10,   
                    workers=1, 
                    use_multiprocessing=False, 
                    shuffle=True, 
                    initial_epoch=0)

通过Python generator产生一批批的数据用于训练模型。generator可以和模型并行运行，例如，可以使用CPU生成批数据同时在GPU上训练模型。

参数：

• generator：一个generator或Sequence实例，为了避免在使用multiprocessing时直接复制数据。
• steps_per_epoch：从generator产生的步骤的总数（样本批次总数）。通常情况下，应该等于数据集的样本数量除以批量的大小。
• epochs：整数，在数据集上迭代的总数。
• works：在使用基于进程的线程时，最多需要启动的进程数量。
• use_multiprocessing：布尔值。当为True时，使用基于基于过程的线程。

---

例子：

datagen = ImageDataGenator(...)
model.fit_generator(datagen.flow(x_train, y_train,
                                 batch_size=batch_size),
                    epochs=epochs,
                    validation_data=(x_test, y_test),
                    workers=4)