我有这个model.fit电话：

transformer.fit(
   x=data_generation.generate_dataset(batch_size, dontchange, train_indices, filenames),
   epochs=epochs,
   steps_per_epoch=len(train_indices),
   validation_data=data_generation.generate_dataset(batch_size, dontchange, val_indices, filenames),
   validation_steps=len(val_indices)
)

这是generate_dataset函数的一部分：

def generate_dataset(batch_size_in, dontChange, index_list_in, filenames):
    epoch = 0
    while True:
        epoch = epoch + 1
        raw_dataset = tf.data.TFRecordDataset(filenames)
        batch_size = batch_size_in
        index_list = []
        index_list = index_list_in
        cx = 1
        for index in index_list:
            tf.print("Epoch: {}, Batch: {}, Batches total: {}".format(epoch, cx, len(index_list_in)), summarize=32 *
            10 * 250, output_stream="file://logtest.txt")
            cx = cx + 1
            how_much_to_take = batch_size
            batch_of_records = raw_dataset.skip(index).take(how_much_to_take)
            max_number_of_tv_in_batch = 0
            batch = []

    [...]

            yield (tf.stack(input_batch), tf.stack(attention_mask_batch), tf.stack(padding_mask_batch)), tf.stack(output_batch)

因此，对于索引列表中的每个索引，其产生一个批次，因此steps_per_epoch和validation_steps等于通过val生成器和train生成器中的相应index_list_in的一个循环生成的批次的数量。所以一切都应该很顺利。
正如你所看到的，我使用tf.print将进度打印到一个日志文件中，我注意到一些我无法真正解释的事情。

Epoch: 1, Batch: 1, Batches total: 607
Epoch: 1, Batch: 2, Batches total: 607
Epoch: 1, Batch: 3, Batches total: 607
Epoch: 1, Batch: 4, Batches total: 607
Epoch: 1, Batch: 5, Batches total: 607
Epoch: 1, Batch: 6, Batches total: 607
Epoch: 1, Batch: 7, Batches total: 607 
[...]
Epoch: 1, Batch: 605, Batches total: 607
Epoch: 1, Batch: 606, Batches total: 607
Epoch: 1, Batch: 607, Batches total: 607
Epoch: 2, Batch: 1, Batches total: 607
Epoch: 1, Batch: 1, Batches total: 67
Epoch: 1, Batch: 2, Batches total: 67
Epoch: 1, Batch: 3, Batches total: 67
[...]
Epoch: 1, Batch: 66, Batches total: 67
Epoch: 1, Batch: 67, Batches total: 67
Epoch: 2, Batch: 1, Batches total: 67
Epoch: 2, Batch: 2, Batches total: 607
Epoch: 2, Batch: 3, Batches total: 607

因此，它基本上加载了607个批次，但随后它加载了一个a107批次，正如您可以从以下输出中看到的那样：

Epoch: 2, Batch: 1, Batches total: 607

就在它进入瓦尔批次的发生器之前。然后对于瓦尔生成器，它是相同的，它工作得很好，它产生了67个批次，因为它应该，但然后它进入下一个循环，出于某种原因，我看到这一点：

Epoch: 2, Batch: 1, Batches total: 67

然后它在train_generator中的第二个epoch开始：

Epoch: 2, Batch: 2, Batches total: 607

而不是：

Epoch: 2, Batch: 1, Batches total: 607

就应该这样
第三个时期也是一样

Epoch: 3, Batch: 2, Batches total: 607

而不是：

Epoch: 3, Batch: 1, Batches total: 607

但它为什么要这么做？正如我所说的，steps_per_epoch与通过index_list_in的一个循环产生的批次完全匹配。这是显而易见的，因为我使用len（train_indices）/len（瓦尔_indices）来确定批处理的数量。但它似乎需要一个多批次每时代。为什么？为什么？
我想要的是，它只加载和准确的所有607批次每一个时期，它应该开始与同一批每一个时期ofc。我需要改变什么？这是Keras的bug还是我做错了什么？