Keras图像增强：如何选择“每个时期的步数”参数并在训练过程中包括特定的增强？

Question

我正在使用Keras训练图像分类CNN。 使用ImageDataGenerator函数，我对训练图像进行了一些随机变换（例如旋转，剪切，缩放）。 我的理解是，这些变换在传递给模型之前会随机应用于每个图像。

但是有些事情我不清楚：

1）在训练过程中，如何确定图像的所有特定旋转角度（例如90°，180°，270°）都包括在内。

2）应该将model.fit_generator的steps_per_epoch参数设置为数据集的唯一样本数除以flow_from_directory方法中定义的批量大小。 当使用上述图像增强方法时，由于它们会增加训练图像的数量，这仍然适用吗？

谢谢，马里奥

Answer 1

不久前，我对自己提出了同样的问题，我认为可能的解释在这里：

考虑以下示例：

    aug = ImageDataGenerator(rotation_range=90, width_shift_range=0.1, 
                             height_shift_range=0.1, shear_range=0.2, 
                             zoom_range=0.2, horizontal_flip=True, 
                             fill_mode="nearest")

对于问题1）：我指定了rotation_range = 90，这意味着在您流传输（检索）数据时，生成器将以0到90度之间的角度随机旋转图像。 您无法指定ImageDataGenerator所做的确切角度原因：随机生成旋转。 关于您的第二个问题，这也非常重要。

对于问题2）：是的，它仍然适用于数据扩充方法。 一开始我也很困惑。 原因是由于图像是随机生成的，因此对于每个时期，网络看到的图像都与前一个时期不同。 这就是为什么数据被“扩充”的原因-扩充不是在一个时代内完成的，而是在整个训练过程中完成的。 但是，我看到其他人指定了原始steps_per_epoch的2x值。

希望这可以帮助