ImageDataGenerator性能较差

Question

我使用和不使用ImageDataGenerator构建了一个神经网络。当我不使用它时，它工作得很好。当我在IDG中使用它时，准确度和valid_ accuracy分数都很糟糕。所以我想我做错了什么。

我想用IDG来看看增强能为我的神经网络做些什么。但是，即使我去掉了所有的增强功能，它的性能仍然很差。

下面是我的IDG代码：

image_size=224

train_datagen = ImageDataGenerator(rescale=1./255, validation_split = 0.2)

train_generator = train_datagen.flow_from_directory('images',
target_size = (image_size, image_size),
batch_size = 10
class_mode = 'categorical'
subset='training')

validation_generator = train_datagen.flow_from_directory('images',
target_size = (image_size, image_size),
batch_size = 10
class_mode = 'categorical'
subset='training')

当我拟合它时，我使用以下代码：

    chat = model.fit_generator(train_generator, steps_per_epoch = train_generator.samples // 10,
validation_data = validation_generator,
validation_steps = validation_generator.samples // 10,
epochs = 10)

我做错了什么吗？IDG是否会对我看不到的图像执行操作，但会以某种方式更改对图像产生影响的内容？

当我绘制我的图像时，我看不到任何奇怪的东西。

希望有人能给我一些建议！

Answer 1

当您说数据增强的性能更差时，您是在同一数据集上比较这两种情况吗？

通常，将在增强数据集上通过数据增强训练的模型的准确性与在规则数据集上未进行数据增强训练的模型进行比较的机会是错误的。

重要的是要记住，对于模型来说，增强的数据集可能更难处理。因此，即使准确率没有以前那么高，在常规数据集上进行评估时，它实际上可能更高。