Keras中的fit（）和fit_generator（）有什么区别？

fit()和fit_generator()Keras 和有什么不一样？

什么时候应该使用fit()vs fit_generator()？

在keras中，fit()与sklearn的fit方法非常相似，在该方法中，您将要素数组作为x值传递，将目标数组作为y值传递。您可以一次通过fit方法传递整个数据集。另外，如果可以将整个数据加载到内存（小型数据集）中，请使用它。

在中fit_generator()，您不必直接传递x和y，而是它们来自generator。正如它在keras文档中所写的那样，当您希望在使用多处理时避免重复数据时，将使用generator。当您有大型数据集时，这是出于实际目的。

这是一个链接，可了解更多有关此的信息-

如果您打算在大型数据集上训练深度学习模型，那么您应该对Keras有所了解

作为参考，您可以查看此书-https ://github.com/hktxt/bookshelf/blob/master/Computer%20Science/Deep%20Learning%20with%20Python%2C%20Fran%C3%A7ois%20Chollet.pdf

Keras fit和Keras之间的区别fit.generator不仅仅在于吸引眼球。我有一个数据集，使用该模型可以完全了解该数据集fit.generator。由于数据集不太大，因此我决定更改为fit而不是fit.generator。令我惊讶的是，学习曲线无处不在。必须从头开始调整。猜猜每个函数中梯度的更新方式差异很大。谨防。