python - Keras 图像数据增强

Question

我发现很难理解 ImageDataGenerator 的 flow_from_directory 是如何工作的，我使用以下代码为我的 CNN 模型增加图像数据，因为没有训练图像可用的非常少。

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 个正图像和 20 个负图像的二元分类问题。所以我有 dataset/train 文件夹，其中有 2 个子文件夹，每个子文件夹有 20 张图像。当我用上面的图像生成器训练模型时，我可以看到 4160 图像被保存在 dataset/train_transformed 文件夹中并假定 4160 图像被用于训练模型。

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

据我了解，每个epoch的样本数= batch_size X steps_per_epoch
正如我的 steps_per_epoch = 1000/16 = 62，
#每个 epoch 中的样本应该是 62 x 16 = 992
No of epochs 设置为 5，因此生成的图像总数应为 992 x 5 = 4960。
并且没有生成的图像是随机的具有相同的超参数。
只是需要对上述配置进行解释。

Answer 1

您的计算似乎是正确的。还要注意 flow_from_directory 有一个 shuffle 参数(默认为 true)。这意味着生成器将在每个时期生成 992 张图像(batch_size 乘以 steps_per_epoch)，但它们出现的顺序对于每个时期都不同。