日萌社
人工智能AI：Keras PyTorch MXNet TensorFlow PaddlePaddle 深度學習實戰（不定時更新）
1.使用repeat() 解決如下報錯：
WARNING:tensorflow:Your input ran out of data; interrupting training.
Make sure that your dataset or generator can generate at least `steps_per_epoch * epochs`
batches (in this case, 414 batches). You may need to use the repeat() function
when building your dataset.
警告：tensorflow：輸入的數據用完；中斷訓練。請確保您的數據集或生成器至少可以生成
“每個steps_per_epoch*epoch”批（在本例中爲414 batches）。在構建數據集時，可能需要使用repeat()函數。
2.解決：
方式一：
如果使用 model.fit(train_dataset, validation_data=test_dataset, steps_per_epoch=M, epochs=N)，
即同時steps_per_epoch和epochs的話，則要求把訓練集和驗證集都拷貝N份(epochs份)，
因爲使用了steps_per_epoch之後，每次epoch的遍歷是對不同份的訓練集和驗證集進行遍歷，
不再是對同一份訓練集和驗證集進行遍歷，因此一開始就要拷貝N份(epochs份)的源訓練集和源驗證集，
供以遍歷epoch次。可以使用repeat(epochs)對數據集進行拷貝epochs份。
方式二：
如果使用 model.fit(train_dataset, validation_data=test_dataset, epochs=N)，
只使用了epochs的話，那麼每次epoch的遍歷都是對同一份訓練集和驗證集進行遍歷，便不需要把訓練集和驗證集都拷貝N份(epochs份)，
其中steps_per_epoch值不需要傳入，即會在第一次epoch的遍歷中自動計算steps_per_epoch值。
3.例子：batch、repeat、steps_per_epoch、epochs的使用
1.先用 batch(批次大小) 然後才用 repeat(重複次數)，
比如：repeat(2)重複數據集2次，即複製一份數據集，最終即有兩份數據集。
2.steps_per_epoch 即表示 一個epoch 裏面遍歷批量數據的次數，即遍歷多少個批量數據完成一個epoch。
3.應保證要輸入到模型的數據集(包括訓練集/驗證集)的批量個數都均爲steps_per_epoch*epoch。
4.fit中沒有定義steps_per_epoch，只定義了epochs的話，那麼只會對同一份數據集進行遍歷epochs次進行訓練。
如果fit中同時有傳訓練集和驗證集validation_data進行訓練/驗證的話，那麼均爲對同一份訓練集和驗證集進行遍歷epochs次進行訓練/驗證。
打印的訓練信息格式如下：當前步數step/總步數steps - ETA:剩餘訓練時間 - loss - accuracy
5.fit中同時定義了steps_per_epoch和epochs的話，那麼表示對數據集進行遍歷epochs次進行訓練，並且每個epoch中遍歷steps_per_epoch個批量數據。
但要注意的是此處所說的對數據集進行遍歷epochs次指的不是對同一份數據集遍歷epochs次，而是對epochs份數據集遍歷epochs次，
而每份數據集遍歷1次，因此需要對原始數據集拷貝epochs份，才能每份數據集遍歷1次，一共遍歷epochs次進行訓練。
如果fit中同時有傳訓練集和驗證集validation_data進行訓練/驗證的話，那麼同時要把訓練集和驗證集validation_data都拷貝epochs份。
可以使用repeat(epochs)對數據集進行拷貝epochs份。
第一個epoch打印的訓練信息格式如下：
當前步數step/Unknown - ETA:剩餘訓練時間 - loss: - accuracy:
第一個epoch之後的每個epoch打印的訓練信息格式如下：（因爲經過第一個epoch之後底層就已經計算好每個epoch需要遍歷多少個批量數據，即得出總步數steps）
當前步數step/總步數steps - ETA:剩餘訓練時間 - loss - accuracy
4.使用順序：from_tensor_slices -> map -> shuffle -> batch -> repeat -> prefetch