Keras：调用fit_generator时flow_from_directory保存过多图像

我来帮你拆解一下为什么明明epochs、steps_per_epoch、validation_steps以及数据集图像数都设为1，调用fit_generator时却会保存多张图像，以及对应的解决办法：

可能的核心原因 #

1. 数据生成器的batch_size默认值“搞事情” #

flow_from_directory的默认batch_size是32——哪怕你的数据集只有1张图像，生成器也会重复这张图来填满整个batch。如果你的代码里设置了每个batch处理后保存图像（比如自定义回调、生成器可视化逻辑），那一次steps_per_epoch=1的运行就会生成32张重复的图像，自然会保存多张。

2. 回调函数的触发频率不对 #

如果用了ModelCheckpoint或者自定义的图像保存回调，可能触发条件不是按epoch，而是按batch：

• 比如ModelCheckpoint的save_freq如果设为数值（比如1），就会每1个batch保存一次；
• 自定义回调里如果在on_batch_end方法里写了保存逻辑，那steps_per_epoch=1就会触发一次保存，但batch里有多张图的话，就会批量保存。

3. 生成器的重复机制（次要） #

flow_from_directory默认repeat=True（生成器会无限重复数据），不过结合steps_per_epoch=1，这个只会影响是否能持续生成数据，但如果batch_size大于1，还是会导致单batch里有多张重复图。

针对性解决步骤 #

1. 把batch_size强制设为1 #

在调用flow_from_directory时明确指定batch_size=1，这样每个batch只会加载1张图像，从根源上避免重复：

train_generator = train_datagen.flow_from_directory(
    "你的训练目录路径",
    target_size=(img_height, img_width),
    batch_size=1,  # 关键修改点
    class_mode="categorical"  # 根据你的任务类型调整，比如binary、input等
)

val_generator = val_datagen.flow_from_directory(
    "你的验证目录路径",
    target_size=(img_height, img_width),
    batch_size=1,
    class_mode="categorical"
)

2. 修正回调函数的触发时机 #

• 如果用ModelCheckpoint，确保save_freq='epoch'（默认值），这样只会在每个epoch结束时保存一次：

from keras.callbacks import ModelCheckpoint

checkpoint = ModelCheckpoint(
    "model_checkpoint.h5",
    save_freq="epoch",  # 明确按epoch保存
    save_best_only=True  # 可选，只保存最优模型
)

• 如果是自定义的图像保存回调，把保存逻辑放在on_epoch_end方法里，而不是on_batch_end：

from keras.callbacks import Callback
import cv2

class SaveSingleImageCallback(Callback):
    def __init__(self, val_generator):
        self.val_generator = val_generator

    def on_epoch_end(self, epoch, logs=None):
        # 只在epoch结束时加载并保存1张验证图像/预测结果
        x_val, _ = next(self.val_generator)
        pred_mask = self.model.predict(x_val)[0]
        # 保存图像的逻辑，这里以保存预测掩码为例
        cv2.imwrite(f"epoch_{epoch}_pred_mask.png", pred_mask * 255)

3. 验证调整效果 #

运行训练前，先打印生成器的batch形状，确认batch里只有1张图：

x_batch, y_batch = next(train_generator)
print(f"训练集batch形状: {x_batch.shape}")  # 应该输出 (1, img_height, img_width, channels)

如果输出是(32, ...)，说明batch_size没改对，回去检查代码。

调整后再运行训练，应该只会保存1张对应的数据图像/预测结果了。

内容的提问来源于stack exchange，提问作者John Cast