小编Jin*_*Jia的帖子

在tensorflow.keras 的官方文档中，

验证数据可以是： Numpy 数组的元组 (x_val, y_val) 或 Numpy 数组数据集的张量元组 (x_val, y_val, val_sample_weights) 对于前两种情况，必须提供 batch_size。对于最后一种情况，可以提供validation_steps。

它没有提到生成器是否可以充当验证数据。所以我想知道validation_data 是否可以是一个数据生成器？像下面的代码：

net.fit_generator(train_it.generator(), epoch_iterations * batch_size, nb_epoch=nb_epoch, verbose=1,
                  validation_data=val_it.generator(), nb_val_samples=3,
                  callbacks=[checker, tb, stopper, saver])

更新：在keras的官方文档中，内容相同，只是增加了一句：

• 数据集或数据集迭代器

考虑到

dataset 对于前两种情况，必须提供batch_size。对于最后一种情况，可以提供validation_steps。

我认为应该有3种情况。Keras 的文档是正确的。所以我会在 tensorflow.keras 中发布一个问题来更新文档。

我创建了自己的 python 包jjnsegutils，并将其上传到 Pypi 网站。但是我成功安装后pip install jjnsegutils，仍然无法导入。错误显示：ModuleNotFoundError: No module named 'jjnsegutils'。

整个过程的详细信息如下。

封装结构和细节

我的包的结构是：

jjnsequtils\n\xe2\x94\x9c\xe2\x94\x80 __init__.py\n\xe2\x94\x9c\xe2\x94\x80 myutil\n    \xe2\x94\x9c\xe2\x94\x80 __init__.py\n    \xe2\x94\x9c\xe2\x94\x80 myutil.py\n\xe2\x94\x9c\xe2\x94\x80 LICENSE\n\xe2\x94\x9c\xe2\x94\x80 README.md\n\xe2\x94\x9c\xe2\x94\x80 setup.py\n\n

两个__init__.py文件都是空的。

在我的setup.py：

import setuptools\n\nwith open("README.md", "r") as fh:\n    long_description = fh.read()\n\nsetuptools.setup(\n    name="jjnsegutils", # Replace with your own username\n    version="0.0.10",\n    author="Jingnan",\n    author_email="jiajingnan2222@gmail.com",\n    description="A package of common utilities for Medical images segmentation and evaluation.",\n    long_description=long_description,\n    long_description_content_type="text/markdown",\n    url="https://github.com/Ordgod/jjnsegutils",\n    packages=setuptools.find_packages(),\n    classifiers=[\n        "Programming …

当我使用批量标准化但设置时会发生什么batch_size = 1？

因为我使用 3D 医学图像作为训练数据集，由于 GPU 限制，batch size 只能设置为 1。通常，我知道，当 时batch_size = 1，方差将为 0。并且(x-mean)/variance会因除以0 而导致错误。

但是为什么我设置的时候没有出现错误batch_size = 1呢？为什么我的网络训练得和我预期的一样好？有人能解释一下吗？

有人认为：

ZeroDivisionError由于两种情况，可能不会遇到 。首先，异常在trycatch 块中被捕获。其次，1e-19在方差项中添加一个小的有理数 ( )，使其永远不会为零。

但也有人不同意。他们说：

您应该计算批次图像中所有像素的均值和标准差。（所以即使batch_size = 1，batch中仍然有很多像素。所以batch_size=1仍然可以工作的原因不是因为1e-19）

我查过Pytorch的源码，从代码上我觉得后一种是对的。

有人有不同意见吗？？？