Question

我在TensorFlow中的数据扩充代码似乎正在运行，但没有正确地用于预期目的。我有一个张量为'in_batch'的图像，形状为[in_batch, height, width, 3]，并应用下面的data_augment函数。

与没有它的模型相比，我应用数据扩充时运行时间增加，因此该函数肯定正在运行。然而，测试精度显着下降，即约80％没有数据增加到约10％。发生了什么事？

def prep_data_augment(input_tensor, i):
    image = tf.slice(input_tensor, [i, 0, 0, 0], [1, 32, 32, 3])[0]
    image = tf.image.random_flip_left_right(image)
    image = tf.image.random_brightness(image, max_delta=63)
    image = tf.image.random_contrast(image, lower=0.2, upper=1.8)
    image = tf.expand_dims(image, 0)
    return image

def data_augment(input_tensor, in_batch):
    fake_i = tf.Variable(0, dtype=tf.int32, trainable=False)
    i = 0
    output_tensor = prep_data_augment(input_tensor, i)
    i += 1

    def while_body(output_tensor, i):
        output_tensor = tf.concat(0, [output_tensor, prep_data_augment(input_tensor, i)])
        i += 1
        return (output_tensor, i)

    (output_tensor, i) = tf.while_loop(lambda output_tensor, i: tf.less(i, in_batch), 
                                       lambda output_tensor, i: while_body(output_tensor, i), 
                                       (output_tensor, i), 
                                       shape_invariants = (tf.TensorShape([None, 32, 32, 3]), fake_i.get_shape()))
    return output_tensor

[更新] 不使用while循环，可以使用如下的map函数简化上述函数。

def prep_data_augment(image):
    image = tf.image.random_flip_left_right(image)
    image = tf.image.random_brightness(image, max_delta=63/255.0)
    image = tf.image.random_contrast(image, lower=0.2, upper=1.8)
    return image

def data_augment(input_tensor):
    output_tensor = tf.map_fn(prep_data_augment, input_tensor)
    return output_tensor

使用TensorFlow进行数据扩充实现

0 个答案: