python - "max_q_size"中使用的参数 "model.fit_generator"是什么？

Question

我构建了一个简单的生成器，它生成一个 tuple(inputs, targets)，其中 inputs 和 targets 列表中只有单个项目。基本上，它是爬取数据集，一次一个样本项。

我将这个生成器传递给:

  model.fit_generator(my_generator(),
                      nb_epoch=10,
                      samples_per_epoch=1,
                      max_q_size=1  # defaults to 10
                      )

我明白了:

• nb_epoch 是训练批处理将运行的次数
• samples_per_epoch 是每个 epoch 训练的样本数

但是 max_q_size 的用途是什么，为什么它会默认为 10？我认为使用生成器的目的是将数据集批处理成合理的 block ，那么为什么要添加额外的队列呢？

Answer 1

这只是定义了用于“预缓存”来自生成器的样本的内部训练队列的最大大小。它在队列的生成过程中使用

def generator_queue(generator, max_q_size=10,
                    wait_time=0.05, nb_worker=1):
    '''Builds a threading queue out of a data generator.
    Used in `fit_generator`, `evaluate_generator`, `predict_generator`.
    '''
    q = queue.Queue()
    _stop = threading.Event()

    def data_generator_task():
        while not _stop.is_set():
            try:
                if q.qsize() < max_q_size:
                    try:
                        generator_output = next(generator)
                    except ValueError:
                        continue
                    q.put(generator_output)
                else:
                    time.sleep(wait_time)
            except Exception:
                _stop.set()
                raise

    generator_threads = [threading.Thread(target=data_generator_task)
                         for _ in range(nb_worker)]

    for thread in generator_threads:
        thread.daemon = True
        thread.start()

    return q, _stop

换句话说，您有一个线程直接从您的生成器填充队列，达到给定的最大容量，而(例如)训练例程消耗它的元素(有时等待完成)

 while samples_seen < samples_per_epoch:
     generator_output = None
     while not _stop.is_set():
         if not data_gen_queue.empty():
             generator_output = data_gen_queue.get()
             break
         else:
             time.sleep(wait_time)

为什么默认为 10？没有特别的原因，就像大多数默认值一样 - 这很有意义，但您也可以使用不同的值。

这样的构造表明，作者考虑了昂贵的数据生成器，这可能需要时间来执行。例如，考虑在生成器调用中通过网络下载数据——那么为了提高效率和对网络错误等具有鲁棒性，预缓存一些下一批并并行下载下一批是有意义的。