Keras中predict和fit_generator使用时有哪些潜在问题？

本文共计855个文字，预计阅读时间需要4分钟。

使用`predict`函数时，必须设置`batch_size`参数，否则预测效率会很低。根据Keras文档中的`predict`函数原型：`predict(self, x, batch_size=32, verbose=0)`，说明：仅使用`batch_size=32`，也就是说，每次将`batch_size=32`的数据批量进行处理。

1、使用predict时，必须设置batch_size,否则效率奇低。

查看keras文档中，predict函数原型：

predict(self, x, batch_size=32, verbose=0)

说明：

只使用batch_size=32，也就是说每次将batch_size=32的数据通过PCI总线传到GPU，然后进行预测。在一些问题中，batch_size=32明显是非常小的。而通过PCI传数据是非常耗时的。

所以，使用的时候会发现预测数据时效率奇低，其原因就是batch_size太小了。

经验：

使用predict时，必须人为设置好batch_size，否则PCI总线之间的数据传输次数过多，性能会非常低下。

2、fit_generator

说明：keras 中 fit_generator参数steps_per_epoch已经改变含义了，目前的含义是一个epoch分成多少个batch_size。旧版的含义是一个epoch的样本数目。