machine-learning - 我们可以只使用 model.fit 而不是 model.fit_generator 吗？

Question

我正在尝试使用 Keras 的 ImageDataGenerator 并且我想使用 model.fit 而不是 model.fit_generator ，我想摆脱以下语句，即:-steps_per_epoch 和validation_steps。
它会起作用吗，它是否也能动态地增加数据？

from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(rescale = 1./255,
                                   shear_range = 0.2,
                                   zoom_range = 0.2,
                                   horizontal_flip = True)

test_datagen = ImageDataGenerator(rescale = 1./255)

training_set = train_datagen.flow_from_directory(train_path,
                                                 target_size = (224, 224),
                                                 batch_size = 32,
                                                 class_mode = 'categorical')
test_set = test_datagen.flow_from_directory(valid_path,
                                            target_size = (224, 224),
                                            batch_size = 32,
                                            class_mode = 'categorical')

#flow from directory is the method of imagedatagenerator
checkpoint_callback = ModelCheckpoint(filepath='CNN MobileNet.h5',monitor='val_accuracy', mode='max', save_best_only=True)
history=model.fit_generator(training_set,validation_data=(test_set),epochs=10,steps_per_epoch=len(training_set)
,validation_steps=len(test_set),callbacks=[checkpoint_callback])

# history=model.fit(training_set,validation_data=(test_set),epochs=10,callbacks=[checkpoint_callback])

Answer 1

当整个训练数据集可以放入内存并且没有应用数据增强时，使用 .fit。
当我们有一个巨大的数据集来适应我们的内存或需要应用数据增强时，就会使用 fit_generator。
因此，在使用 ImageDataGenerator 时需要使用 fit_generator。