最近用keras訓練模型時由於數據集很大，使用fit會佔用很多內存，所以用了下批量訓練接口fit_generator，首先我們先看下這兩個接口的基本調用方式：
從上述兩個例子可以看出來，fit是直接加載所有的訓練集數據，而fit_generator通過自定義的批加載函數每次只讀取batch_size大小的數據集進行訓練，假設有1W張圖片，fit則要直接把這1W張圖片加載進行迭代訓練，而fit_generator每次只加載100張圖像進行訓練，則其內存佔用只有fit的百分之一，就不用擔心內存過多了。
好了，對於大數據集使用fit_generator確實可以減少內存佔用，這個就不用測了，那麼速度上fit與fit_generator相比會怎樣呢？我們下面來進行測試對比一下：
model.fit性能
model.fit_generator性能
上面的測試是60000幅圖像，batch_size=100，epoch=2，從結果可以看出兩次測試速度一樣，大概都是38秒一輪，測試集準確率和誤差幾乎一致，這說明在性能方面其效果是一致的。
好了，總結一下就是對於大數據集來說，如果訓練集佔用內存過大的話可以使用fit_generator進行批訓練，對於小數據集的話就沒必要了，直接fit就行。