问题描述
下面的代码基于FrançoisCollet。他用它来证明当训练集较小（2000张图像）时，数据扩充可以提高验证集中的分类能力（这是真的！）。
我的问题是：
如果 model.fit_generator 方法使用 steps_per_epoch = 2000 // batch_size 。我们每个时代使用2000张图片吗？
如果是。如果我使用的样本大小与原始样本大小相等，那么数据扩充的重点是什么？
batch_size = 32
# Train data augmentation
train_datagen = ImageDataGenerator(
rescale = 1./255,shear_range = 0.2,zoom_range = 0.2,horizontal_flip = True)
train_generator = train_datagen.flow_from_directory(
train_dir,target_size = (150,150),batch_size = batch_size,class_mode = 'binary')
# Train data generation
validation_datagen = ImageDataGenerator(rescale=1./255)
validation_generator = validation_datagen.flow_from_directory(
validation_dir,batch_size = 20,class_mode = 'binary')
# training and validation
history = model.fit_generator(train_generator,steps_per_epoch = 2000 // batch_size,epochs = 100,validation_data = validation_generator,validation_steps = 500 // batch_size)
解决方法
您发布的代码已经过时，但是仅用于解释目的。
诚然，我们有2000张图片。我们全部使用了它们，但是在那个时期执行的步骤数为2000//batch_size，因为您是在一批大小batch_size之后更新网络的权重的。因此，您执行2000//batch_size个步骤。
同时，将扩展视为运行时的丰富。当我们使用扩充时，您不会创建物理存储在驱动器中的新示例，而是将批处理加载到内存中时。这意味着，在包含batch_size个元素的批处理中，其中一些已被修改（增强）并馈送到您的网络中。每种增强都有相关的概率，即图像受特定增强的概率为N %（甚至可以手动设置）。
但这意味着随着训练的进行，随着历元数的增加，您的网络将看到比最初的2000图像更多的图像。
,在您提供的代码段中，steps_per_epoch = 2000 // batch_size本质上意味着该模型将在一个时期内看到完整的2000张图像，但是在这2000张图像中，很多将被替换为基于a的增强对等图像。您可以提供或通过随机选择图像的特定概率。
例如考虑到您正在构建Dog-vs-Cats分类器，并且数据集仅由向右狗和向左猫的图像组成。在这种情况下，如果您不应用增强（horizontal_flipping），则模型可能会得知all the left facing animals are cats会给定左脸狗的图像，从而导致错误的结果。
此处的增强（特别是horizontal_flipping）将随机翻转猫和狗的图像，从而使模型能够达到更好的解决方案，从而使其更加健壮！
扩增发生在原位，没有生成新图像。