Разница между использованием партии или генератора в фитинге в Tensorflow

Question

Я новичок в использовании Tensorflow и нейронных сетей и очень растерялся из-за устаревания .fit_generator. Обычно я получаю генератор типа

train_data_gen = train_image_generator.flow_from_directory(batch_size=batch_size,
                                                       directory=train_dir,
                                                       shuffle=True,
                                                       target_size=(IMG_HEIGHT, IMG_WIDTH),
                                                       class_mode='binary')

val_data_gen = validation_image_generator.flow_from_directory(batch_size=batch_size,
                                                          directory=validation_dir,
                                                          target_size=(IMG_HEIGHT, IMG_WIDTH),
                                                          class_mode='binary')

, а затем подгоняю его к модели с

history = model.fit(train_data_gen,
                    epochs=epochs,
                    validation_data=val_data_gen)

Теперь мой вопрос, если я сделаю что-то подобное

training_images, training_label = next(train_data_gen)
val_images, val_label = next(val_data_gen)

model.fit(training_images, training_label,
          epochs = epochs,
          validation_data=(val_images, val_label))

получу ли я такие же результаты?

Также, используя второй метод, я отметил, что модель обучена и проверена на количестве выборок, равном batch_size, и это дает очень плохие результаты точности, поэтому я установил batch_size из train_data_gen и val_data_gen равны размерностям выборки набора поездов и набора проверки. Имеет ли это какой-то смысл?