基于Keras的数据增强

Question

我正在使用CNN进行图像培训，在此之前，我将使用keras在训练数据集上进行数据增强。

我有一些关于数据扩充的问题：

1. 转换是否取决于fit_generator()中指定的时间？
2. 是否有获取增强图像的最大历元数？
3. 是否有任何最佳的时代，可以提供所有可能的输出增广数据？
4. 应用于图像的变换是顺序的还是随机的。
5. 输出图像会在一定数量的历元之后被重复吗？如果是，那这个数字是什么，如果不是，那么最好的数字是什么？例如，假设我将一个图像与rotation_range传递为20，那么，我知道最初随机旋转将应用于rotation_range内的图像，两个后续图像将是不一样的。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？

我在用

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

用于获取增强的数据。

其中，image_dataset是形状1、28、28、1的图像数据集，标签只是。

Answer 1

回答你们的问题，一个接一个：

1. 不，在生成集合时，转换只计算一次。就像你说的，你在训练前就做了，所以仅此而已。
2. 不，没有“获取增强图像的最大年代数”这样的东西。
3. 这将取决于您的网络拓扑，以及您想要完成的任务。
4. 这应该是有序的，但你可以随时洗牌。

编辑：

1. 在这个例子之后:不，没有生成多少图像。发电机会无穷无尽地停下来直到你停下来为止。

请参阅：https://keras.io/preprocessing/image/