python - Conv2D模型的训练卡住了[MNIST数据集]

Question

作为一个更大项目的一部分，我正在编写一个小型卷积 2D 模型来训练 MNIST 上的神经网络数据集。

我的(经典)工作流程如下:

1. 加载数据集并将其转换为np数组
2. 将数据集拆分为训练集和验证集
3. reshape (X_train.reshape(X.shape[0], 28, 28, 1)) 和 one_hot_encode (keras.utils.to_categorical(y_train, 10) )
4. 获取模型
5. 根据数据进行训练，并保存

我的训练函数定义如下:

def train(model, X_train, y_train, X_val, y_val):
    model.fit_generator(
        generator=get_next_batch(X_train, y_train),
        steps_per_epoch=200,
        epochs=EPOCHS,
        validation_data=get_next_batch(X_val, y_val),
        validation_steps=len(X_val)
    )

    return model

我使用的生成器:

def get_next_batch(X, y):
    # Will contains images and labels
    X_batch = np.zeros((BATCH_SIZE, 28, 28, 1))
    y_batch = np.zeros((BATCH_SIZE, 10))

    while True:
        for i in range(0, BATCH_SIZE):
            random_index = np.random.randint(len(X))
            X_batch[i] = X[random_index]
            y_batch[i] = y[random_index]
        yield X_batch, y_batch

现在，它正在训练，但在最后一步挂起:

Using TensorFlow backend.
Epoch 1/3
2018-04-18 19:25:08.170609: I tensorflow/core/platform/cpu_feature_guard.cc:140] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
199/200 [============================>.] - ETA: 0s - loss: 

如果我不使用任何生成器:

def train(model, X_train, y_train, X_val, y_val):
    model.fit(
        X_train,
        y_train,
        batch_size=BATCH_SIZE,
        epochs=EPOCHS,
        verbose=1,
        validation_data=(X_val, y_val)
    )

    return model

它工作得很好。

显然我的方法get_next_batch做错了什么，但我不明白为什么。

我们非常欢迎任何帮助!

Answer 1

问题是您正在生成器函数中创建一个巨大的验证集。看看这些参数传递到哪里...

    validation_data=get_next_batch(X_val, y_val),
    validation_steps=len(X_val)

假设您的 BATCH_SIZE 是 1,000。因此，您将拉取 1,000 个图像，并运行它们 1,000 次。

所以 1,000 x 1,000 = 1,000,000。这就是通过您的网络运行的图像数量，这将需要很长时间。您可以将步骤更改为评论中提到的静态数字，我只是认为解释有助于正确理解它。