凯拉斯的fit_generator是否应该在每个时期后重置发电机？

在使用凯拉斯（Keras）的fit_generator方法时，是否应该在每个时期后重置发电机取决于具体的情况。fit_generator方法用于训练模型，其中的生成器（generator）用于生成训练数据。生成器通常是一个无限循环的迭代器，每次生成一个批次的数据供模型训练。

在每个时期后重置生成器的目的是确保模型在每个时期都使用不同的训练数据进行训练，以增加模型的泛化能力。重置生成器可以通过在每个时期结束时调用生成器的reset方法来实现。

然而，是否需要在每个时期后重置生成器取决于数据集的特点和训练的需求。以下是一些情况下的建议：

1. 数据集较小且可以完全加载到内存中：如果数据集较小，可以将所有数据加载到内存中，并使用fit方法而不是fit_generator方法进行训练。这样就不需要使用生成器，也就不需要重置生成器。
2. 数据集较大或无法完全加载到内存中：如果数据集较大或无法完全加载到内存中，使用fit_generator方法是一种常见的选择。在这种情况下，可以选择在每个时期后重置生成器，以确保模型在每个时期都使用不同的数据进行训练。这有助于模型更好地学习数据的不同方面，提高泛化能力。

总结起来，是否应该在每个时期后重置生成器取决于数据集的大小和训练的需求。对于较小的数据集，可以使用fit方法进行训练，而不需要生成器和重置。对于较大的数据集或无法完全加载到内存中的情况，建议在每个时期后重置生成器，以增加模型的泛化能力。