Keras 这是训练模型的正确方法吗？

我不熟悉keras和深度学习。我曾尝试使用数据增强来训练我的模型，但不确定是否正确。有人能向我保证我的方法是正确的吗？这是我的密码：

train_path = 'Digital_Mamo/OPTIMAM'      # Relative Path
valid_path = 'Digital_Mamo/InBreast'
test_path = 'Digital_Mamo/BCDR'


valid_batches = ImageDataGenerator().flow_from_directory(valid_path, target_size=(224, 224), classes=['Benign', 'Malignant'], batch_size=9)
test_batches = ImageDataGenerator().flow_from_directory(test_path, target_size=(224, 224), classes=['Benign', 'Malignant'], batch_size=7)

datagen = ImageDataGenerator(rotation_range=10, width_shift_range=0.1,
       height_shift_range=0.1, shear_range=0.15, zoom_range=0.1,
       channel_shift_range=10., horizontal_flip=True)

train_batches = datagen.flow_from_directory(
        train_path,
        target_size=(224, 224),
        batch_size=10,
        classes=['Benign','Malignant'])


vgg16_model= load_model('Fetched_VGG.h5')

# transform the model to Sequential
model= Sequential()
for layer in vgg16_model.layers[:-1]:
    model.add(layer)

model.summary()

# Freezing the layers (Oppose weights to be updated)
for layer in model.layers:
    layer.trainable = False


model.add(Dense(2, activation='softmax', name='predictions'))


### Compile the model
model.compile(Adam(lr=.0001), loss='categorical_crossentropy', metrics=['accuracy'])

# train the model
model.fit_generator(train_batches, steps_per_epoch=28, validation_data=valid_batches, validation_steps=3, epochs=5, verbose=2)

#test
predictions = model.predict_generator(test_batches, steps=3, verbose=0)

---

这是一种正确的方法，但您可以使用

steps\u per\u epoch=len（train\u batches）

和

validation\u steps=len（val\u batches）

在添加更多数据时更方便。此外，您还可以将

test

包含在

valid

中，因为即使您单独使用它们，也不会有任何帮助

编辑：

---

正如@Matias指出的，您不应该在validate上使用增强。因此，正如我在评论中所说，这并非完全错误，但并非真正正确。

事实上，这是不正确的，因为您对其进行编码的方式是，将数据扩充应用于验证集和测试集，并且只应将扩充应用于训练集

---

您需要为验证集和测试集创建第二个实例

ImageDataGenerator

，而不使用任何增强集。

这不是正确的计算方法：每个历元的步长=（数据集大小）/批量大小吗？我的训练样本量是280，批量大小是10，所以我设置了steps\u per\u epoch=28。另一个问题是，是否可以对测试和有效性进行数据扩充？第一个问题是，但该值已在此处计算。因此，您可以使用

len

来简化更改数据的过程。另外一个问题，可能没问题。如果您的增强没有使图像更改到无法识别的程度，那么这很好，如果训练集无论如何都无法识别，您就不会得到好的结果。但是仍然有疑问，为什么？为了测试和验证而进行数据扩充可以吗？@Annanya不，只是为了训练集，我已经按照你的建议更改了我的代码（在我的主要帖子中）。“我现在做得对吗？”MatiasValdenegro你能看看这个问题吗？我挣扎了几个小时，找不到答案。