Keras图像数据增强

Question

我发现很难理解flow_from_directory of ImageDataGenerator是如何工作的，我正在使用下面的代码为我的CNN模型增加图像数据，因为没有任何可用的培训图像非常少。

batch_size = 16
from keras.preprocessing.image import ImageDataGenerator
train_transformed = 'dataset/train_transformed'
train_datagen = ImageDataGenerator(
    rescale=1./255,
    horizontal_flip=True,
    fill_mode='nearest')

train_generator = train_datagen.flow_from_directory(
    'dataset/train',
    target_size=(150, 150),
    batch_size=batch_size,
    class_mode='binary',
    save_to_dir=train_transformed,
    save_prefix='train_aug',
    save_format='png')

这是一个具有20幅正片和20幅负片的二值分类问题。所以我有数据集/训练文件夹，有2个子文件夹，每个子文件夹有20个图像。当我使用上面的图像生成器训练模型时，我可以看到dataset/train_transformed文件夹中保存了4160图像，并假定4160图像用于训练模型。

model.fit_generator(
    train_generator,
    steps_per_epoch=1000 // batch_size,
    epochs=5,
    validation_data=validation_generator,
    validation_steps=100 // batch_size)

据我所知，不。每个时代的样本数= batch_size X steps_per_epoch

我的steps_per_epoch = 1000/16 = 62，

#每个时代的样本应为62x16= 992

每个时期的No设置为5，所以生成的图像总数应该是992 x5= 4960。

生成的图像都是随机的，具有相同的超参数。

只是需要对上面的配置做一个解释。

Answer 1

你的计算似乎是正确的。还要注意，flow_from_directory有一个shuffle参数(默认情况下为true)。这意味着生成器将在每个时期(batch_size times steps_per_epoch)产生992幅图像，但它们出现的顺序因时代而异。