machine-learning - keras中train_on_batch()有什么用？

Question

train_on_batch() 与 fit() 有何不同？什么情况下我们应该使用train_on_batch()？

Answer 1

对于这个问题，它是 simple answer from the primary author :

With fit_generator, you can use a generator for the validation data as well. In general, I would recommend using fit_generator, but using train_on_batch works fine too. These methods only exist for the sake of convenience in different use cases, there is no "correct" method.

train_on_batch 允许您根据您提供的样本集合明确更新权重，而不考虑任何固定的批量大小。您可以在您想要的情况下使用它:在显式样本集合上进行训练。您可以使用该方法在传统训练集的多个批处理上维护自己的迭代，但允许 fit 或 fit_generator 为您迭代批处理可能更简单。

使用train_on_batch可能会更好的一种情况是在一批新样本上更新预训练模型。假设您已经训练并部署了一个模型，稍后您收到了一组以前从未使用过的新训练样本。您可以使用 train_on_batch 仅在这些样本上直接更新现有模型。其他方法也可以做到这一点，但对于这种情况使用 train_on_batch 是相当明确的。

除了像这样的特殊情况(或者您有一些教学原因在不同的训练批处理中维护自己的光标，或者对于特殊批处理的某种类型的半在线训练更新)，最好只是始终使用 fit (对于适合内存的数据)或 fit_generator (作为生成器流式传输批量数据)。