Flowers_tf_lite.ipynb - Trenuj model

@Pedro Asseiro Właściwie Iterator generuje dane dynamicznie. Więc długość Iteratora DataSet jest nieznana, aż dojdziesz do niego przynajmniej raz. Możesz przekazać argument steps_per_epoch do model.fit_generator, jak pokazano poniżej. Następnie wydrukuje, jak się spodziewasz.

with tf.device("/device:GPU:0"):
  history = model.fit_generator(train_generator, steps_per_epoch=len(train_generator),
                    epochs=epochs, 
                    validation_data=val_generator,validation_steps=len(val_generator))

Edycja 1:

@Pedro Asseiro @gokul_uf Aktualizuję powyższy kod oparty na twoich komentarzach. Musisz dodać steps_per_epoch, a także validation_steps. Kolejna zmiana, którą wykonałem, była uruchomiona model.fit w ramach GPU. Co więcej, zrobiłem dokładnie to samo do model.fit w sekcji Dostrajanie.

with tf.device("/device:GPU:0"):
  history_fine = model.fit_generator(train_generator, steps_per_epoch=len(train_generator),
                         epochs=5,
                         validation_data=val_generator,validation_steps=len(val_generator))

Sprawdź Github Gist tutaj. Dzięki!

Daj mi znać, jeśli coś nie działa. Dzięki!