Python 使用Keras进行数据扩充

我使用CNN进行图像训练，在此之前，我使用keras对训练数据集执行数据增强

我对数据扩充有一些疑问：

转换是否取决于

fit\u generator（）

中指定的历元

是否有获取增强图像的最大纪元数

有没有最佳的历元数，可以提供所有可能的输出增强数据

应用于图像的变换是顺序变换还是随机变换

输出图像是否会在指定的次数后重复？如果是，那么该数字是多少；如果不是，那么最好使用什么数字？例如，假设我有一个图像，旋转范围为20。然后，我知道最初随机旋转将应用于旋转_范围内的图像，并且两个后续图像将不相同。但我想知道是否有任何模式的角度，将适用于图像。在多次迭代之后，是否会重复相同的模式

我正在使用

for images_iter, labels_iter in datagen.flow(image_dataset, Labels, batch_size=len(image_dataset), shuffle=False):

用于获取增强数据

---

其中，image\u dataset是形状[1,28,28,1]的图像数据集，标签只是0，逐一回答您的问题：

不，在生成集合时，变换只计算一次。正如你所说，你在训练前就做了，仅此而已

不，没有“获取增强图像的最大纪元数”这样的东西

这将取决于您的网络拓扑和您想要完成的任务

这应该是顺序，但你可以随时洗牌你的设置

编辑：

在那个例子之后：不，没有生成大量的图像。发电机将无限地关闭，直到你停止它

---

请参阅：

首先，在哪里生成生成的集合？训练前？在培训期间？在培训之前。问题有点过于宽泛，有些要点与python/keras没有严格的关系是的，但我知道在培训期间使用了fit_generator（）。@gionni，你在说什么？如果真的是这样，那么它肯定与数据增强或机器学习有关。我试着举个例子。假设我有一个图像，我通过旋转范围为20。在这种情况下，是否有固定数量的输出图像将以不同角度旋转？“不，在生成集合时，变换只计算一次。Ass你说，你在训练前做什么，仅此而已。'但是如果，我在训练前会反复迭代它，那么它会生成不同的变换，例如旋转。你是否尝试过使用生成器生成n个图像，然后在训练中使用它们？是的，我试过使用flow（）如

在datagen.flow中为图像生成标签（图像数据集，标签，批次大小=len（图像数据集），随机播放=False）：

你能在你的答案中发布这段代码吗？这样每个人都能看到它。