Python 如何将keras ImageDataGenerator类应用于TFRecordsDataset以增强它？

我想从

TFRecords

文件中高效地检索示例，并使用keras

ImageDataGenerator

类对其进行扩充，但据我所知

ImageDataGenerator

只能对numpy数组、pandas数据帧或目录（由PIL可读的图像组成）进行采样。我还知道，可以使用

tf.data.Datset.from_generator（）

将其转换为

tf.data.Dataset

对象，但不能转换为逆方法

也许我应该使用

ImageDataGenartor.flow\u from\u directory（）

，但我认为它速度较慢，尽管我没有用大型数据集精确地测量它。如果它是近似相等的，我将感谢一位说明它的消息来源。下一段代码显示了我希望的示例：

来自tf.keras.preprocessing.image导入ImageDataGenerator
从tf.data导入TFRecordDataset；
导入tensorflow作为tf；
从型号进口DenseNetBN100；
eps=150；批量大小=32；tot_示例=50000；
imre_形状=（32,32,3）；lare_形状=（10，）；
列车名称为cifar10列车记录；
型号=DenseNetBN100（尺寸较小，形状较大）；
定义解析记录（proto，clip=False）：
特征={
“image”：tf.FixedLenFeature（[]，tf.string），
“标签”：tf.FixedLenFeature（[]，tf.string），
}    
示例=tf.parse_single_示例（proto，features）
im=tf.decode_raw（例如['image']，tf.float32）
im=tf.重塑（im，imre_形状）
la=tf.decode_raw（例如['label']，tf.int8）
la=tf。重塑（la，lare_形）；
la=tf.cast（la，tf.32）；
返回im，la；
dtst=TFRecordDataset（train\u fname）.map（\u parse\u record）
dtst=dtst.重复（eps）.洗牌（10000）
dtst=dtst.批次（批次大小）
列车\数据发生器=图像数据发生器(
旋转范围=40，
宽度\偏移\范围=0.2，
高度\位移\范围=0.2，
剪切范围=0.2，
缩放范围=0.2，
水平翻转=真，
填充模式（最近的）；
列车发电机=列车数据生成流（dtst）
模型安装（列车发电机，epochs=eps
每个历元的步数=总步数示例//批量大小）

由于

tf.data.Dataset

管理，通过将

ImageDataGenerator

转换为

tf.data.Dataset

，仍然有可能获得更高的效率。但这仍然只是另一种理论，我认为拥有可靠的数据源比只使用稀疏的个人测量数据要好