Python ImageDataGenerator()如何计算增强图像的数量?
我糊涂了!我想知道ImageDataGenerator()在拟合训练数据集时如何计算增强图像的数量 下面是我用来理解数据扩充的最简单代码。 “train”目录包含两个目录,每个目录中有10个图像,总共20个图像Python ImageDataGenerator()如何计算增强图像的数量?,python,keras,computer-vision,conv-neural-network,data-augmentation,Python,Keras,Computer Vision,Conv Neural Network,Data Augmentation,我糊涂了!我想知道ImageDataGenerator()在拟合训练数据集时如何计算增强图像的数量 下面是我用来理解数据扩充的最简单代码。 “train”目录包含两个目录,每个目录中有10个图像,总共20个图像 datagen = ImageDataGenerator(rotation_range=90,rescale=1./255) iterator = datagen.flow_from_directory( 'train
datagen = ImageDataGenerator(rotation_range=90,rescale=1./255)
iterator = datagen.flow_from_directory(
'train', # This is the source directory for training images
target_size=(150, 150),
batch_size=2,
save_to_dir='aug', #for saving augmented images
class_mode='binary')
history = model.fit(
iterator,
steps_per_epoch=10,
epochs=1,
verbose=1,
)
发现了20张属于2类的图片。
训练10步
10/10[==========================================]4s384ms/步-损耗:3.4463-精度:0.5000
我已经将每个历元的步数设置为10,因为n个样本为20,批量大小为2(20/2=10)。
我不明白的是,“aug”目录如何显示42个图像,而它应该是20个,如何确定增强图像的数量,以及批大小、每个时期的步骤、迭代的含义是什么?我糊涂了
请有人解释一下
谢谢大家! 它不会计算数据集中的图像数量 ImageDataGenerator的目标是定义数据扩充中所需的配置 flow\u from\u directory方法读取文件夹中已分离的图像,并基于参数类\u模式将其拆分 您可以找到一个很好的教程来解释ImageDataGenerator的工作原理