我有一个8000帧的视频，我想训练一个Keras模型，每批200帧。我有一个帧生成器，它逐帧循环播放视频，并将（3 x 480 x 640）帧累加成一个numpy矩阵x（200，3，480，640）-（批量大小，rgb，帧高度，帧宽度）--每200帧生成x和Y：

import cv2
...
def _frameGenerator(videoPath, dataPath, batchSize):
    """
    Yield X and Y data when the batch is filled.
    """
    camera = cv2.VideoCapture(videoPath)
    width = camera.get(3)
    height = camera.get(4)
    frameCount = int(camera.get(7))  # Number of frames in the video file.

    truthData = _prepData(dataPath, frameCount)

    X = np.zeros((batchSize, 3, height, width))
    Y = np.zeros((batchSize, 1))

    batch = 0
    for frameIdx, truth in enumerate(truthData):
        ret, frame = camera.read()
        if ret is False: continue

        batchIndex = frameIdx%batchSize

        X[batchIndex] = frame
        Y[batchIndex] = truth

        if batchIndex == 0 and frameIdx != 0:
            batch += 1
            print "now yielding batch", batch
            yield X, Y

下面是如何运行fit\u generator（）：

        batchSize = 200
        print "Starting training..."
        model.fit_generator(
            _frameGenerator(videoPath, dataPath, batchSize),
            samples_per_epoch=8000,
            nb_epoch=10,
            verbose=args.verbosity
        )

我的理解是，当模型看到samples\u per\u epoch样本，并且samples\u per\u epoch=批次大小*批次数量=200*40时，一个新纪元就结束了。因此，在第0-7999帧上训练一个历元后，下一个历元将从第0帧开始再次训练。这是正确的吗？

通过此设置，我预计每个历元将有40批（每个200帧）从生成器传递到fit_生成器；这将是每个历元的总帧数为8000，即，samples\u per\u epoch=8000。然后，对于后续的时代，fit_generator将重新初始化该生成器，以便我们从视频开始再次开始训练。但事实并非如此。第一个历元完成后（在模型记录批次0-24后），生成器将从其停止的位置开始。新纪元不应该从训练数据集的开始重新开始吗？

如果我对fit_generator的理解不正确，请解释。我已经阅读了文档、这个示例以及这些相关问题。我用的是KerasV1。0.7与TensorFlow后端。本期债券也发布在Keras回购协议中。