Keras fit_generator中batch_size无法整除样本数时的行为问询

首先直接给你答案：默认情况下，如果你用的是Keras自带的数据生成器（比如ImageDataGenerator.flow()），最后一批会自动返回剩余的样本（数量小于batch_size），不会丢弃；但如果你是自定义生成器，行为完全取决于你自己的代码逻辑。

下面分情况详细拆解：

1. 自带生成器的行为 #

比如用ImageDataGenerator的flow()或flow_from_directory()生成数据时，这些内置生成器会自动处理样本数不能被batch_size整除的情况：当遍历到最后一批时，会把剩下的所有样本打包成一个小批次返回，不会跳过。

这时候你需要注意steps_per_epoch的设置：

• 如果你设steps_per_epoch = 总样本数 // batch_size，那最后一批小样本会被忽略，训练时只会处理完整的批次
• 如果你设steps_per_epoch = (总样本数 + batch_size - 1) // batch_size（也就是向上取整的写法），那生成器会返回最后一批小样本，fit_generator也会正常处理它

2. 自定义生成器的行为 #

如果你自己写了生成器函数，那最后一批的处理完全由你决定：

• 如果你的生成器逻辑是“凑不够batch_size就停止生成”，那当fit_generator执行到第总样本数//batch_size步后，生成器会抛出StopIteration，训练会提前结束，最后一批小样本被丢弃
• 如果你的生成器逻辑是“凑不够就返回剩余样本”，那只要steps_per_epoch设为向上取整的数值，fit_generator就会正常处理最后一批

针对你的场景的实用建议 #

你要给训练/验证/测试集用相同的batch_size，但各集样本量不同，这里给你几个落地方案：

• 训练集：如果不想浪费数据，就把steps_per_epoch设为向上取整的数值，同时确保生成器（不管自带还是自定义）能返回最后一批小样本；如果觉得少量样本对训练影响不大，也可以直接用总样本数//batch_size，忽略最后一批
• 验证集：validation_steps的设置逻辑和steps_per_epoch完全一致，根据你是否想保留最后一批小样本选择对应的值
• 测试集：如果用predict_generator，逻辑同上；更推荐直接用model.predict()，把测试数据打包成数组传入，它会自动处理所有样本，不用纠结批次问题

额外提醒 #

现在TensorFlow 2.x集成的Keras已经弃用了fit_generator，官方推荐使用model.fit()配合tf.data.Dataset来处理数据。Dataset的batch()方法可以通过drop_remainder参数直接控制是否丢弃最后一批小样本：

# 丢弃最后一批小样本
dataset = dataset.batch(batch_size, drop_remainder=True)
# 保留最后一批小样本（默认行为）
dataset = dataset.batch(batch_size, drop_remainder=False)

这种方式更灵活，也更符合现代Keras的使用习惯。

内容的提问来源于stack exchange，提问作者Florida Man