Python Keras ImageDataGenerator中的图像校正

关于ImageDataGenerator，我有两个问题：

1） 是在整批图像上使用相同的增强，还是每个图像都有自己的随机变换？ e、 g.对于旋转，模块是否以相同的角度旋转批次中的所有图像，或每个图像获得随机旋转角度

2） ImageDataGenerator.flow中的数据无限期循环（成批）。有没有一种方法可以阻止这个无限循环，也就是只进行n次的扩充。因为我需要在每个步骤（而不是每个历元）中修改批处理大小。 谢谢

回答者：

1） 是在整批图像上使用相同的增强，还是每个图像都有自己的随机变换？e、 g.对于旋转，模块是否以相同的角度旋转批次中的所有图像，或每个图像获得随机旋转角度

每个样本都有不同的唯一变换（例如，在一定范围内的随机旋转）

2） ImageDataGenerator.flow中的数据无限期循环（成批）。有没有一种方法可以阻止这个无限循环，也就是只进行n次的扩充。因为我需要在每个步骤（而不是每个历元）中修改批处理大小。谢谢

不清楚这里是什么意思。但是，如果您使用的是

model.fit\u生成器（ImageDataGenerator.flow（））

，则可以指定

samples\u per\u epoch=…

以仅从生成器生成特定数量的样本。如果需要批次级粒度，可以执行以下操作：

for x, y in model.fit_generator(ImageDataGenerator.flow()):
  model.train_on_batch(x, y)

---

在这种情况下，您只需在需要的任何批次之后

中断
（这是一个循环）。
@Neal:谢谢您的快速回答！你是对的，我可能需要更好地解释我的任务。我的工作在某种程度上类似于对视频序列进行分类，但我的数据保存在数据库中。我希望我的代码在一个历元内遵循以下步骤：

对于i in（序列的数量）：

得到N，序列i中的帧数（我认为是
相当于批次大小，每个序列的N个数为
已保存在列表中）
从我的数据库及其标签中获取N个连续帧：
X_火车，y_火车
对于范围内的j（旋转次数）：-
在序列的所有帧上执行（相同的）数据扩充（可能使用
datagen=ImageDataGenerator（）
和
datagen.flow（））
在X，y上训练网络

我的第一个想法是使用model.fit_生成器（generator=ImageDataGenerator（）.flow（）），但这样，我就不能修改批处理大小，老实说，我不理解您的解决方案。
很抱歉写了这么长的帖子，但我仍然是python和NN的新手，但我确实是Keras的忠实粉丝；）
Thnx