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

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