model.fit()的steps_per_epoch是否覆盖Sequence的__len__()及训练样本量？

• 当你在model.fit()里显式传入steps_per_epoch参数时，确实会覆盖tf.keras.utils.Sequence中__len__()的返回值。Keras会优先使用你指定的steps_per_epoch来决定每个epoch要跑多少步，完全忽略Sequence的__len__()结果。
• 只要你把steps_per_epoch设为x，不管__len__()返回什么数字，单个epoch内模型都会训练x * batch_size个样本（这里的batch_size是你在Sequence里定义的或fit中指定的）。需要注意的是，如果训练数据集总样本数小于x * batch_size，Keras会循环重复取数据来凑够步数，直到跑完x步为止。

举个实际例子：假设训练集有1000个样本，Sequence的__len__()返回20（对应batch_size=50），但你在model.fit()里把steps_per_epoch设为30，那每个epoch会跑30步，总共处理30*50=1500个样本——前1000个是原数据，后500个会重复取前面的数据。

内容的提问来源于stack exchange，提问作者Deepak Tatyaji Ahire