在 keras 中，fit()与 sklearn 的 fit 方法非常相似，您将特征数组作为 x 值传递，将目标作为 y 值传递。您以 fit 方法一次传递整个数据集。此外，如果您可以将整个数据加载到内存中（小数据集），请使用它。

在fit_generator()中，您不直接传递 x 和 y，而是它们来自生成器。正如在keras 文档中所写的那样，当您希望在使用多处理时避免重复数据时，使用生成器。当您有大型数据集时，这是出于实际目的。

这是一个链接，可以了解更多关于这个 -

如果您计划在大型数据集上训练深度学习模型，您应该了解 Keras

作为参考，您可以查看这本书 - https://github.com/hktxt/bookshelf/blob/master/Computer%20Science/Deep%20Learning%20with%20Python%2C%20Fran%C3%A7ois%20Chollet.pdf

fitKeras之间的区别fit.generator远不止眼前所见。我有一个数据集，模型使用fit.generator. 由于数据集不是太大，我决定改为fit而不是fit.generator. 令我惊讶的是，学习曲线到处都是。不得不从头开始调整。猜猜每个函数中梯度更新的方式差异很大。谨防。