Inception v3 的数据增强

Question

我正在尝试使用 inception v3 对图像进行分类，但我的数据集非常小（不能有比这更多的 img），我想通过旋转或反转等转换来增强它。 我是 TF 的新手，不知道该怎么做，我已经阅读了ImageDataGenerator的文档，它应该会增加我的数据，但是在训练时我仍然收到错误消息，指出我没有足够的数据。 我也可以使用面具，但不知道如何在 tf. 有人可以启发我吗？ 非常感谢任何输入

这是我的代码：

train_datagen = ImageDataGenerator(rescale = 1./255.,
                                   rotation_range = 180,
                                   width_shift_range = 0.2,
                                   height_shift_range = 0.2,
                                   zoom_range = 0.2,
                                   horizontal_flip = True,
                                   vertical_flip = True)
 
test_datagen = ImageDataGenerator(rescale = 1./255.,
                                   rotation_range = 180,
                                   width_shift_range = 0.2,
                                   height_shift_range = 0.2,
                                   zoom_range = 0.2,
                                   horizontal_flip = True,
                                   vertical_flip = True)

 
train_generator = train_datagen.flow_from_directory(train_dir,
                                                    batch_size = 100,
                                                    class_mode = 'binary',
                                                    target_size = (224, 224))


validation_generator =  test_datagen.flow_from_directory(validation_dir,
                                                          batch_size  = 100,
                                                          class_mode  = 'binary',
                                                          target_size = (224, 224))
base_model = InceptionV3(input_shape = (224, 224, 3),
                                include_top = False,
                                weights = 'imagenet')
for layer in base_model.layers:
  layer.trainable = False

%%time
x = layers.Flatten()(base_model.output)
x = layers.Dense(1024, activation='relu')(x)
x = layers.Dropout(0.2)(x)                 
x = layers.Dense(1, activation='sigmoid')(x)          
 
model = Model( base_model.input, x)
 
model.compile(optimizer = RMSprop(learning_rate=0.0001),loss = 'binary_crossentropy',metrics = ['acc'])
callbacks = myCallback()
 
history = model.fit_generator(
            train_generator,
            validation_data = validation_generator,
            steps_per_epoch = 100,
            epochs = 10,
            validation_steps = 10,
            verbose = 2,
            callbacks=[callbacks])

错误：

WARNING:tensorflow:Your input ran out of data; interrupting training. Make sure that your dataset or generator can generate at least `steps_per_epoch * epochs` batches (in this case, 1000 batches). You may need to use the repeat() function when building your dataset.

Answer 1

当您使用生成器时，您必须按如下方式计算每个时期的步数：

steps_per_epoch=(data_samples/batch_size)

或者

你可以让 model 算出有多少步可以覆盖一个纪元。 您是否尝试在没有steps_per_epoch参数的情况下运行它？

让我们知道问题是否仍然存在。 谢谢！