如何在 fit_generator keras 中设置变频输入长度的steps_per_epoch

Question

我需要将我的输入数据提供给模型，以便具有相同长度的句子将在同一批次中(LSTM 中的可变输入长度(。

我的问题是，当我们使用fit_generator时，我们需要指定steps_per_epoch , validation_steps，但就我而言，我无法通过简单地num_train_steps = len(Xtrain) // BATCH_SIZE来实现这一点。现在我的问题是，我在哪里可以计算并将其传递给fit_generator？我在sentence_generatorsteps_per_epoch，但我不知道如何将其传递给fit_generator.

有什么方法可以返回每批的长度sentence_generator？

这是fit_generator(我不知道如何实现num_train_steps并传递给fit_generator？

lstm_ae_model.fit_generator(train_gen, val_gen, num_train_steps, num_val_steps, dir, NUM_EPOCHS=1)

所以我的自定义生成器是这样的，以防它有帮助：

def sentence_generator(X, embeddings):
while True:
# loop once per epoch
index_sentence = 0
import itertools
items = sorted(X.values(), key=len, reverse=True)
for length, dics in itertools.groupby(items, len):
# dics is all the nested dictionaries with this length
a = 0
for x in dics:
a = a+1
num_train_steps = a
sent_wids = np.zeros([a, length])
for temp_sentence in dics:
keys_words = list(temp_sentence.keys())
for index_word in range(len(keys_words)):
sent_wids[index_sentence, index_word] = lookup_word2id(keys_words[index_word])
index_sentence = index_sentence + 1
Xbatch = embeddings[sent_wids]
yield Xbatch, Xbatch

Answer 1

你可以做的是首先创建一个函数，通过迭代数据集并计算这个值来预先计算steps_per_epoch的值，然后将其传递给fit_generator。像这样：

def compute_steps(X):
import itertools
items = sorted(X.values(), key=len, reverse=True)
count = 0
for length, dics in itertools.groupby(items, len):
count += 1
return count
spe = compute_steps(...)
gen = sentence_generator(...)
model.fit_generator(gen, steps_per_epoch=spe)

并对验证数据执行类似操作。