Apa perbedaan antara fit () dan fit_generator () di Keras?


Jawaban:


16

Dalam keras, fit()sangat mirip dengan metode fit sklearn, di mana Anda melewatkan array fitur sebagai nilai x dan target sebagai nilai y. Anda melewatkan seluruh dataset Anda sekaligus dalam metode yang sesuai. Juga, gunakan itu jika Anda dapat memuat seluruh data ke dalam memori Anda (dataset kecil).

Di fit_generator(), Anda tidak melewatkan x dan y secara langsung, melainkan berasal dari generator . Seperti yang tertulis dalam dokumentasi keras , generator digunakan ketika Anda ingin menghindari data duplikat saat menggunakan multiprosesor. Ini untuk tujuan praktis, ketika Anda memiliki dataset besar.

Berikut ini tautan untuk memahami lebih lanjut tentang ini-

Suatu hal yang harus Anda ketahui tentang Keras jika Anda berencana untuk melatih model pembelajaran yang mendalam tentang dataset besar

Untuk referensi Anda dapat memeriksa buku ini- https://github.com/hktxt/bookshelf/blob/master/Computer%20Science/Deep%20Learning%20with%20Python%2C%20Fran%C3%A7ois%20Chollet.pdf


Halo Ankit, tautan Anda deeplearningitalia.com/wp-content/uploads 2017/12/… tidak berfungsi. Apakah Anda memiliki tautan yang berfungsi.
Chidu Murthy

@ ChiduMurthy Terima kasih atas informasinya. Saya telah mengedit tautannya.
Ankit Seth

Menurut dokumentasi, kita juga dapat melewati generator agar sesuai metode. Jadi saya masih tidak mengerti mengapa kita memerlukan metode fit_generator yang terpisah? tensorflow.org/api_docs/python/tf/keras/Model#fit
alyaxey

0

Ada lebih banyak perbedaan antara Keras fitdan fit.generatordaripada memenuhi mata. Saya memiliki dataset yang telah dipelajari dengan sempurna oleh model fit.generator. Seperti dataset itu tidak terlalu besar saya memutuskan untuk perubahan fitbukan fit.generator. Yang mengejutkan saya, kurva pembelajaran ada di semua tempat. Harus mulai menyetel dari awal. Tebak cara gradien diperbarui di setiap fungsi berbeda cukup signifikan. Waspadalah.

Dengan menggunakan situs kami, Anda mengakui telah membaca dan memahami Kebijakan Cookie dan Kebijakan Privasi kami.
Licensed under cc by-sa 3.0 with attribution required.