Keras中fit_generator和train_on_batch有何区别与适用场景？

本文共计2675个文字，预计阅读时间需要11分钟。

在Keras中，当数据量较大，无法一次性全部加载入内存时，训练时可以使用`train_on_batch`或`fit_generator`进行训练。两者都是利用生成器（generator）逐批加载数据，每次只处理一个batch-size的数据。这样，即使数据量很大，也能有效地进行训练。

关于Keras中，当数据比较大时，不能全部载入内存，在训练的时候就需要利用train_on_batch或fit_generator进行训练了。

两者均是利用生成器，每次载入一个batch-size的数据进行训练。

那么fit_generator与train_on_batch该用哪一个呢？

train_on_batch(self, x, y, class_weight=None, sample_weight=None)

fit_generator(self, generator, samples_per_epoch, nb_epoch, verbose=1, callbacks=[], validation_data=None, nb_val_samples=None, class_weight=None, max_q_size=10)

推荐使用fit_generator，因为其同时可以设置 validation_data，但是采用train_on_batch也没什么问题，这个主要看个人习惯了，没有什么标准的答案。