以keras分类猫狗数据（中）使用CNN分类模型为例，其中的部分代码如下：
#……
train_pic_gen=ImageDataGenerator(rescale=1./255,rotation_range=20,width_shift_range=0.2,
height_shift_range=0.2,shear_range=0.2,zoom_range=0.5,horizontal_flip=True,
fill_mode='nearest')
#……
train_flow=train_pic_gen.flow_from_directory(train_dir,(128,128),batch_size=32,class_mode='binary')
#……
model.fit_generator(
morph.train_flow,steps_per_epoch=100,epochs=50,verbose=1,validation_data=morph.test_flow,validation_steps=100,
callbacks=[TensorBoard(log_dir='./logs/1')]
)
#……
- 执行
fit_generator时，由train_flow 数据流返回32（train_flow的batch_size的参数）张经过随机变形的样本，作为一个batch训练模型， - 重复这一过程100（fit_generator的steps_per_epoch参数）次，一个epoch结束。一个epoch所用样本batch_size乘以steps_per_epoch。
- 当epoch=50（fit_generator的epochs参数）时，模型训练结束。
此外，根据官方文档：
- fit_generator的steps_per_epoch的建议值为
样本总量除以train_flow的batch_size。 - fit_generator的steps_per_epoch，如果未指定（
None）,则fit_generator的steps_per_epoch等于train_flow的batch_size。
源码参考：/Lib/site-packages/keras/engine/training.py。
参考上文：
keras：ImageDataGenerator的flow方法
keras：ImageDataGenerator的flow_from_directory方法
