时间戳

首页 > 解决方案 > 为什么当我尝试使用 fit_generator 训练 Keras 时，它会在第一个 epoch 停止？

python - 为什么当我尝试使用 fit_generator 训练 Keras 时，它会在第一个 epoch 停止？

问题描述

我正在使用 Keras 微调现有的 VGG16 模型，并使用 fit_generator 来训练最后 4 层。这是我正在使用的相关代码：

# Create the model
model = models.Sequential()

# Add the vgg convolutional base model
model.add(vgg_conv)

# Add new layers
model.add(layers.Flatten())
model.add(layers.Dense(1024, activation='relu'))
model.add(layers.Dropout(0.5))
model.add(layers.Dense(5, activation='softmax'))

# Show a summary of the model. Check the number of trainable params
model.summary()
from keras.preprocessing.image import ImageDataGenerator

train_datagen = ImageDataGenerator(
    rescale=1./255,
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True,
    fill_mode='nearest')

validation_datagen = ImageDataGenerator(rescale=1./255)

#Change the batchsize according to the system RAM
train_batchsize = 100
val_batchsize = 10

train_dir='training_data/train'
validation_dir='training_data/validation'

train_generator = train_datagen.flow_from_directory(
    train_dir,
    target_size=(image_size1, image_size2),
    batch_size=train_batchsize,
    class_mode='categorical')

validation_generator = validation_datagen.flow_from_directory(
    validation_dir,
    target_size=(image_size1, image_size2),
    batch_size=val_batchsize,
    class_mode='categorical',
    shuffle=False)

# Compile the model
model.compile(loss='categorical_crossentropy',
              optimizer=optimizers.RMSprop(lr=1e-4),
              metrics=['acc'])

# Train the model
history = model.fit_generator(
    train_generator,
    steps_per_epoch=train_generator.samples/train_generator.batch_size,
    epochs=30,
    validation_data=validation_generator,
    validation_steps=validation_generator.samples/validation_generator.batch_size,
    verbose=1)

问题是当我运行我的脚本来训练模型时，它可以正常工作，直到实际训练开始。在这里，它卡在 epoch 1/30。

Layer (type)                 Output Shape              Param #
=================================================================
vgg16 (Model)                (None, 15, 20, 512)       14714688
_________________________________________________________________
flatten_1 (Flatten)          (None, 153600)            0
_________________________________________________________________
dense_1 (Dense)              (None, 1024)              157287424
_________________________________________________________________
dropout_1 (Dropout)          (None, 1024)              0
_________________________________________________________________
dense_2 (Dense)              (None, 5)                 5125
=================================================================
Total params: 172,007,237
Trainable params: 164,371,973
Non-trainable params: 7,635,264
_________________________________________________________________
Found 1989 images belonging to 5 classes.
Found 819 images belonging to 5 classes.
Epoch 1/30

不幸的是，这不好。我在网上环顾四周，我相信问题出在使用 fit_generator 上。Keras 中 fit_generator 的代码有问题。然而，其他大多数遇到 epoch 问题的人最终都会卡在后面的 epoch 上（例如，有人想运行 20 个 epoch 并在 19/20 epoch 停止）。

我将如何解决这个问题？这是我第一次做深度学习，所以我非常困惑，希望能得到任何帮助。我只需要转向使用 model.fit() 吗？

标签： pythontensorflowkeras

解决方案

您必须将有效的整数传递给fit_generator()assteps_per_epoch和validation_steps参数。所以你可以使用如下：

history = model.fit_generator(
    train_generator,
    steps_per_epoch=train_generator.samples//train_generator.batch_size,
    epochs=30,
    validation_data=validation_generator, validation_steps=validation_generator.samples//validation_generator.batch_size,
    verbose=1)

第二个因素我可以看到您的模型具有165M可训练的参数，该参数具有巨大的内存消耗，特别是与高批量大小相结合。您应该使用分辨率较低的图像，请注意，在许多情况下，我们可以使用它们获得更好的结果。

推荐阅读