选择每个时期的步数

如果我想用train_generator训练模型，选择之间有明显的区别

10个时期，每个500个步骤

和

100个纪元，每个50个步骤

目前，我正在训练10个纪元，因为每个纪元都需要很长时间，但是任何显示改进的图形看起来都非常“跳跃”，因为我只有10个数据点。我想如果我使用100个纪元，我可以获得一个更平滑的图形，但是我想首先知道这个图形是否有不利之处

根据您所说的，这听起来好像您需要一个更大的batch_size，当然，这可能会影响steps_per_epoch和时期数。

解决跳车

较大的批次大小将为您提供更好的渐变，并有助于防止跳动

您可能还需要考虑较小的学习速率，或学习速率调度程序（或衰减），以使网络在训练时能够“适应”

批量较大的含义

batch_size太大会产生内存问题，尤其是在使用GPU的情况下。超出限制后，请拨回直到它可以使用。这将帮助您找到系统可以使用的最大批处理大小。

批次大小太大会使您陷入局部最小值，因此，如果您的培训遇到问题，我会减少一些。想象一下，这里您过度校正了跳动，而跳动的程度不足以进一步最小化损失函数。

何时减少时代

如果您的训练误差非常低，但是您的测试/验证却非常高，那么您可能会因模型过多而过度拟合。

找到正确平衡的最佳方法是对验证测试集使用早期停止功能。您可以在此处指定何时停止训练，并保存权重最大的网络，以减少最佳验证损失。（我强烈建议始终使用此功能）

何时调整每个时期

传统上，每个纪元的步长计算为train_length // batch_size，因为这将使用所有数据点，一次只需要一个批处理大小。

如果您要扩充数据，则可以将其扩展一点（有时我将上述函数乘以2或3等。但是，如果它已经训练了太长时间，那么我只会坚持使用传统方法。