在Keras文档中-steps_per_epoch：在声明一个纪元完成并开始下一个纪元之前，要从生成器产生的总步数（一批样本）。它通常应等于数据集的唯一样本数除以批次大小。
我有3000个样本。如果我将steps_per_epoch = 3000设置为慢，则工作速度会很慢。如果我将steps_per_epoch = 300设置为更快，那么我认为批处理有效！
但是随后我比较了在第一种和第二种情况下分配了多少视频内存。并没有注意到有很大的不同。如果我使用简单的fit（）函数，则差异很大。所以这是真正的加速，还是我只处理300个示例，而不是3000个？
该参数需要什么？我如何加快培训速度？我的生成器代码：
def samples_generator(self, path_source, path_mask):
while 1:
file_paths_x = self.get_files(path_source)
file_paths_y = self.get_files(path_mask)
for path_x, path_y in zip(file_paths_x, file_paths_y):
x = self.load_pixels(path_x, 3, cv2.INTER_CUBIC)
y = self.load_pixels(path_y, 0, cv2.INTER_NEAREST)
yield (x, y)