keras通過model.fit_generator訓練模型(節省內存)

前言

前段時間在訓練模型的時候，發現當訓練集的數量過大，并且輸入的圖片維度過大時，很容易就超內存了，舉個簡單例子，如果我們有20000個樣本，輸入圖片的維度是224x224x3，用float32存儲，那么如果我們一次性將全部數據載入內存的話，總共就需要20000x224x224x3x32bit/8=11.2GB 這么大的內存，所以如果一次性要加載全部數據集的話是需要很大內存的。

如果我們直接用keras的fit函數來訓練模型的話，是需要傳入全部訓練數據，但是好在提供了fit_generator，可以分批次的讀取數據，節省了我們的內存，我們唯一要做的就是實現一個生成器（generator）。

1.fit_generator函數簡介

fit_generator(generator,steps_per_epoch=None,epochs=1,verbose=1,callbacks=None,validation_data=None,validation_steps=None,class_weight=None,max_queue_size=10,workers=1,use_multiprocessing=False,shuffle=True,initial_epoch=0)

參數：

generator：一個生成器，或者一個 Sequence (keras.utils.Sequence) 對象的實例。這是我們實現的重點，后面會著介紹生成器和sequence的兩種實現方式。

steps_per_epoch：這個是我們在每個epoch中需要執行多少次生成器來生產數據，fit_generator函數沒有batch_size這個參數，是通過steps_per_epoch來實現的，每次生產的數據就是一個batch，因此steps_per_epoch的值我們通過會設為（樣本數/batch_size）。如果我們的generator是sequence類型，那么這個參數是可選的，默認使用len(generator) 。

epochs：即我們訓練的迭代次數。

verbose：0, 1 或 2。日志顯示模式。 0 = 安靜模式, 1 = 進度條, 2 = 每輪一行

callbacks：在訓練時調用的一系列回調函數。

validation_data：和我們的generator類似，只是這個使用于驗證的，不參與訓練。

validation_steps：和前面的steps_per_epoch類似。

class_weight：可選的將類索引（整數）映射到權重（浮點）值的字典，用于加權損失函數（僅在訓練期間）。 這可以用來告訴模型「更多地關注」來自代表性不足的類的樣本。（感覺這個參數用的比較少）

max_queue_size：整數。生成器隊列的最大尺寸。默認為10.

workers：整數。使用的最大進程數量，如果使用基于進程的多線程。 如未指定，workers 將默認為 1。如果為 0，將在主線程上執行生成器。

use_multiprocessing：布爾值。如果 True，則使用基于進程的多線程。默認為False。

shuffle：是否在每輪迭代之前打亂 batch 的順序。 只能與Sequence(keras.utils.Sequence) 實例同用。

initial_epoch: 開始訓練的輪次（有助于恢復之前的訓練）

2.generator實現

2.1生成器的實現方式

樣例代碼：

from keras.models import Sequential from keras.layers import Dense import numpy as np from PIL import Imagedef process_x(path):img = Image.open(path)img = img.resize((96, 96))img = img.convert('RGB')img = np.array(img)img = np.asarray(img, np.float32) / 255.0# 也可以進行進行一些數據數據增強的處理return imgdef generate_arrays_from_file(x_y):# x_y 是我們的訓練集包括標簽，每一行的第一個是我們的圖片路徑，后面的是圖片標簽global countbatch_size = 8while 1:batch_x = x_y[(count - 1) * batch_size:count * batch_size, 0]batch_y = x_y[(count - 1) * batch_size:count * batch_size, 1:]batch_x = np.array([process_x(img_path) for img_path in batch_x])batch_y = np.array(batch_y).astype(np.float32)print("count:" + str(count))count = count + 1yield batch_x, batch_ymodel = Sequential() model.add(Dense(units=1000, activation='relu', input_dim=2)) model.add(Dense(units=2, activation='softmax')) model.compile(loss='categorical_crossentropy', optimizer='sgd', metrics=['accuracy']) count = 1 x_y = [] model.fit_generator(generate_arrays_from_file(x_y), steps_per_epoch=10, epochs=2, max_queue_size=1, workers=1)

在理解上面代碼之前我們需要首先了解yield的用法。

yield關鍵字：

我們先通過一個例子看一下yield的用法：

def foo():print("starting...")while True:res = yield 4print("res:", res)g = foo() print(next(g)) print("----------") print(next(g))

運行結果：

starting... 4 ---------- res: None 4

帶yield的函數是一個生成器，而不是一個函數。因為foo函數中有yield關鍵字，所以foo函數并不會真的執行，而是先得到一個生成器的實例，當我們第一次調用next函數的時候，foo函數才開始行，首先先執行foo函數中的print方法，然后進入while循環，循環執行到yield時，yield其實相當于return，函數返回4，程序停止。所以我們第一次調用next(g)的輸出結果是前面兩行。

然后當我們再次調用next(g)時，這個時候是從上一次停止的地方繼續執行，也就是要執行res的賦值操作，因為4已經在上一次執行被return了，隨意賦值res為None，然后執行print(“res:”,res)打印res: None，再次循環到yield返回4，程序停止。

所以yield關鍵字的作用就是我們能夠從上一次程序停止的地方繼續執行，這樣我們用作生成器的時候，就避免一次性讀入數據造成內存不足的情況。

現在看到上面的示例代碼：

generate_arrays_from_file函數就是我們的生成器，每次循環讀取一個batch大小的數據，然后處理數據，并返回。x_y是我們的把路徑和標簽合并后的訓練集，類似于如下形式：

['data/img_4092.jpg' '0' '1' '0' '0' '0' ]

至于格式不一定要這樣，可以是自己的格式，至于怎么處理，根于自己的格式，在process_x進行處理，這里因為是存放的圖片路徑，所以在process_x函數的主要作用就是讀取圖片并進行歸一化等操作，也可以在這里定義自己需要進行的操作，例如對圖像進行實時數據增強。

2.2使用Sequence實現generator

示例代碼：

class BaseSequence(Sequence):"""基礎的數據流生成器，每次迭代返回一個batchBaseSequence可直接用于fit_generator的generator參數fit_generator會將BaseSequence再次封裝為一個多進程的數據流生成器而且能保證在多進程下的一個epoch中不會重復取相同的樣本"""def __init__(self, img_paths, labels, batch_size, img_size):# np.hstack在水平方向上平鋪self.x_y = np.hstack((np.array(img_paths).reshape(len(img_paths), 1), np.array(labels)))self.batch_size = batch_sizeself.img_size = img_sizedef __len__(self):# math.ceil表示向上取整# 調用len(BaseSequence)時返回，返回的是每個epoch我們需要讀取數據的次數return math.ceil(len(self.x_y) / self.batch_size)def preprocess_img(self, img_path):img = Image.open(img_path)resize_scale = self.img_size[0] / max(img.size[:2])img = img.resize((self.img_size[0], self.img_size[0]))img = img.convert('RGB')img = np.array(img)# 數據歸一化img = np.asarray(img, np.float32) / 255.0return imgdef __getitem__(self, idx):batch_x = self.x_y[idx * self.batch_size: (idx + 1) * self.batch_size, 0]batch_y = self.x_y[idx * self.batch_size: (idx + 1) * self.batch_size, 1:]batch_x = np.array([self.preprocess_img(img_path) for img_path in batch_x])batch_y = np.array(batch_y).astype(np.float32)print(batch_x.shape)return batch_x, batch_y# 重寫的父類Sequence中的on_epoch_end方法，在每次迭代完后調用。def on_epoch_end(self):# 每次迭代后重新打亂訓練集數據np.random.shuffle(self.x_y)

在上面代碼中，__len __和__getitem __，是我們重寫的魔法方法，__len __是當我們調用len(BaseSequence)函數時調用，這里我們返回（樣本總量/batch_size），供我們傳入fit_generator中的steps_per_epoch參數；__getitem __可以讓對象實現迭代功能，這樣在將BaseSequence的對象傳入fit_generator中后，不斷執行generator就可循環的讀取數據了。

舉個例子說明一下getitem的作用：

class Animal:def __init__(self, animal_list):self.animals_name = animal_listdef __getitem__(self, index):return self.animals_name[index]animals = Animal(["dog", "cat", "fish"]) for animal in animals:print(animal)

輸出結果：

dog cat fish

并且使用Sequence類可以保證在多進程的情況下，每個epoch中的樣本只會被訓練一次。

參考yield方法：

?

?

總結

以上是生活随笔為你收集整理的2020-12-11 keras通过model.fit_generator训练模型(节省内存)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。