अन्य जानकारी: बैच ट्रेनिंग

ऐसा हो सकता है कि आपके प्रोसेस के लिए तय की गई मेमोरी में, बहुत बड़े डेटासेट फ़िट न हो पाएं. इस पिछले चरणों में, हमने एक पाइपलाइन सेट की है, जहां हम पूरे डेटासेट को मेमोरी में जा सकते हैं, डेटा तैयार कर सकते हैं, और वर्किंग सेट को ट्रेनिंग में पास कर सकते हैं फ़ंक्शन का इस्तेमाल करना होगा. इसके बजाय, Keras एक वैकल्पिक ट्रेनिंग फ़ंक्शन उपलब्ध कराता है fit_generator जो डेटा को बैच में खींचता है. इससे हम ट्रांसफ़ॉर्मेशन ऐक्शन को डेटा पाइपलाइन को डेटा के सिर्फ़ एक छोटे (batch_size के गुणांक) हिस्से पर लागू करना. अपने एक्सपेरिमेंट के दौरान, हमने इन डेटासेट के लिए बैचिंग (GitHub में कोड) का इस्तेमाल किया था DBPedia, Amazon की समीक्षाएं, Ag news, और Yelp की समीक्षाएं.

नीचे दिए गए कोड में, डेटा बैच जनरेट करने और उन्हें इसमें फ़ीड करने का तरीका बताया गया है fit_generator.

def _data_generator(x, y, num_features, batch_size):
    """Generates batches of vectorized texts for training/validation.

    # Arguments
        x: np.matrix, feature matrix.
        y: np.ndarray, labels.
        num_features: int, number of features.
        batch_size: int, number of samples per batch.

    # Returns
        Yields feature and label data in batches.
    """
    num_samples = x.shape[0]
    num_batches = num_samples // batch_size
    if num_samples % batch_size:
        num_batches += 1

    while 1:
        for i in range(num_batches):
            start_idx = i * batch_size
            end_idx = (i + 1) * batch_size
            if end_idx > num_samples:
                end_idx = num_samples
            x_batch = x[start_idx:end_idx]
            y_batch = y[start_idx:end_idx]
            yield x_batch, y_batch

# Create training and validation generators.
training_generator = _data_generator(
    x_train, train_labels, num_features, batch_size)
validation_generator = _data_generator(
    x_val, val_labels, num_features, batch_size)

# Get number of training steps. This indicated the number of steps it takes
# to cover all samples in one epoch.
steps_per_epoch = x_train.shape[0] // batch_size
if x_train.shape[0] % batch_size:
    steps_per_epoch += 1

# Get number of validation steps.
validation_steps = x_val.shape[0] // batch_size
if x_val.shape[0] % batch_size:
    validation_steps += 1

# Train and validate model.
history = model.fit_generator(
    generator=training_generator,
    steps_per_epoch=steps_per_epoch,
    validation_data=validation_generator,
    validation_steps=validation_steps,
    callbacks=callbacks,
    epochs=epochs,
    verbose=2)  # Logs once per epoch.