如何使用 tensorflow_datasets (tfds) 实现和理解预处理和数据扩充？

Question

我正在学习基于使用Oxford-IIIT Pets 的TF 2.0 教程的分割和数据增强。

对于预处理/数据增强，它们为特定管道提供了一组功能：

# Import dataset
dataset, info = tfds.load('oxford_iiit_pet:3.*.*', with_info=True)

def normalize(input_image, input_mask):
  input_image = tf.cast(input_image, tf.float32) / 255.0
  input_mask -= 1
  return input_image, input_mask

@tf.function
def load_image_train(datapoint):
  input_image = tf.image.resize(datapoint['image'], (128, 128))
  input_mask = tf.image.resize(datapoint['segmentation_mask'], (128, 128))

  if tf.random.uniform(()) > 0.5:
    input_image = tf.image.flip_left_right(input_image)
    input_mask = tf.image.flip_left_right(input_mask)

  input_image, input_mask = normalize(input_image, input_mask)

  return input_image, input_mask

TRAIN_LENGTH = info.splits['train'].num_examples
BATCH_SIZE = 64
BUFFER_SIZE = 1000
STEPS_PER_EPOCH = TRAIN_LENGTH // BATCH_SIZE

train = dataset['train'].map(load_image_train, num_parallel_calls=tf.data.experimental.AUTOTUNE)

train_dataset = train.cache().shuffle(BUFFER_SIZE).batch(BATCH_SIZE).repeat()
train_dataset = train_dataset.prefetch(buffer_size=tf.data.experimental.AUTOTUNE)

鉴于 tf 语法，这段代码给我带来了几个疑问。 为了防止我只是做一个 ctrl C ctrl V 并真正理解 tensorflow 是如何工作的，我想问一些问题：

1) 在normalize function 中，行tf.cast(input_image, tf.float32) / 255.0可以通过tf.image.convert_image_dtype(input_image, tf.float32)更改？

2) 在normalize function 时，可以在不更改为numpy的情况下以tf.tensor格式更改我的 segmentation_mask 值？ 我想做的是只使用两个可能的掩码（0 和 1）而不是（0、1 和 2）。 使用 numpy 我做了这样的事情：

segmentation_mask_numpy = segmentation_mask.numpy()
segmentation_mask_numpy[(segmentation_mask_numpy == 2) | (segmentation_mask_numpy == 3)] = 0

没有 numpy 转换可以做到这一点吗？

3) 在load_image_train function 中，他们说这个 function 正在做数据增强，但是如何做呢？ 在我看来，他们正在通过给定随机数的翻转来更改原始图像，而不是根据原始图像向数据集提供另一个图像。 那么，function 的目标是更改图像而不是向我的数据集添加保留原始图像的 aug_image？ 如果我是正确的，如何更改此 function 以提供 aug_image 并将原始图像保留在数据集中？

4) In others questions such as How to apply data augmentation in TensorFlow 2.0 after tfds.load() and TensorFlow 2.0 Keras: How to write image summaries for TensorBoard they used a lot of .map() sequential calls or .map().map().cache().batch().repeat() 。 我的问题是：有这个必要性吗？ 是否存在更简单的方法来做到这一点？ 我试图阅读 tf 文档，但没有成功。

5）您建议使用此处介绍的 keras 中的ImageDataGenerator还是这种 tf 方法更好？

Answer 1

4 - 这些顺序调用的事情是，它们简化了我们操作数据集以应用转换的工作，并且他们还声称这是一种加载和处理数据的更具性能的方式。 关于模块化/简单性，我猜它完成了它的工作，因为您可以轻松加载、将其传递给整个预处理管道、随机播放并使用几行代码迭代批量数据。

train_dataset =tf.data.TFRecordDataset(filenames=train_records_paths).map(parsing_fn)
train_dataset = train_dataset.shuffle(buffer_size=12000)
train_dataset = train_dataset.batch(batch_size)
train_dataset = train_dataset.repeat()
# Create a test dataset
test_dataset = tf.data.TFRecordDataset(filenames=test_records_paths).map(parsing_fn)
test_dataset = test_dataset.batch(batch_size)
test_dataset = test_dataset.repeat(1)
# 
validation_steps = test_size / batch_size 
history = transferred_resnet50.fit(x=train_dataset,
                        epochs=epochs,
                        steps_per_epoch=steps_per_epoch,                        
                        validation_data=test_dataset,
                        validation_steps=validation_steps)

例如，为了加载我的数据集并为我的 model 提供预处理数据，这就是我所要做的。

3 - They defined a preprocessing function to which their dataset was mapped to, which means that every time that one requests a sample the map function will be applied, just like in my case that i've used a parsing function in order to parse my使用前 TFRecord 格式的数据：

def parsing_fn(serialized):
    features = \
        {
            'image': tf.io.FixedLenFeature([], tf.string),
            'label': tf.io.FixedLenFeature([], tf.int64)            
        }

    # Parse the serialized data so we get a dict with our data.
    parsed_example = tf.io.parse_single_example(serialized=serialized,
                                             features=features)

    # Get the image as raw bytes.
    image_raw = parsed_example['image']

    # Decode the raw bytes so it becomes a tensor with type.
    image = tf.io.decode_jpeg(image_raw)
    
    image = tf.image.resize(image,size=[224,224])
    
    # Get the label associated with the image.
    label = parsed_example['label']
    
    # The image and label are now correct TensorFlow types.
    return image, label

（另一个例子） - 从上面的解析 function我可以使用下面的代码来创建一个数据集，遍历我的测试集图像和 plot 它们。

records_path = DATA_DIR+'/'+'TFRecords'+'/test/'+'test_0.tfrecord'
# Create a dataset
dataset = tf.data.TFRecordDataset(filenames=records_path)
# Parse the dataset using a parsing function 
parsed_dataset = dataset.map(parsing_fn)
# Gets a sample from the iterator
iterator = tf.compat.v1.data.make_one_shot_iterator(parsed_dataset) 

for i in range(100):
    image,label = iterator.get_next()
    img_array = image.numpy()
    img_array = img_array.astype(np.uint8)
    plt.imshow(img_array)
    plt.show()