Keras ImageDataGenerator

Question

我有两个关于ImageDataGenerator的问题：

1）在整个批次或每个图像上使用相同的扩充是否有自己的随机转换？ 例如为了旋转，模块是否以相同的角度旋转批次中的所有图像，或者每个图像获得随机旋转角度？

2）ImageDataGenerator.flow中的数据无限期地循环（批量）。有没有办法阻止这种无限循环，即仅在n次上进行增强。因为我需要在每一步（而不是每个纪元）中修改batch_size。 感谢

Answer 1

来自Francois Chollet的答案：

  

1）在整个批次或每个图像上使用相同的扩充是否有自己的随机转换？例如为了旋转，模块是否以相同的角度旋转批次中的所有图像，或者每个图像获得随机旋转角度？

每个样本都有不同的唯一变换（例如，在一定范围内的随机旋转）。

  

2）ImageDataGenerator.flow中的数据无限期地循环（批量）。有没有办法阻止这种无限循环，即仅在n次上进行增强。因为我需要在每一步（而不是每个纪元）中修改batch_size。感谢

不清楚这里的意思。但是，如果您使用model.fit_generator(ImageDataGenerator.flow())，则可以指定samples_per_epoch=...仅从生成器中生成特定数量的样本。如果您想要批量级粒度，可以执行以下操作：

for x, y in model.fit_generator(ImageDataGenerator.flow()):
  model.train_on_batch(x, y)

在这种情况下，您可以在任意数量的批次之后break（它是一个循环）。

Answer 2

@Neal：谢谢你的快速回答！你是对的，我可能需要更好地解释我的任务。我的工作在某种程度上类似于对视频序列进行分类，但我的数据保存在数据库中。我希望我的代码遵循这个步骤一个时代：
对于i in（number_of_sequences）：

1. 得到N，序列i中的帧数（我想是的 相当于batch_size，每个序列的N数是 已保存在列表中）
2. 从我的数据库及其标签中获取N个连续帧： X_train，y_train
3. 对于范围内的j（number_of_rotation）： -
   1. 对序列的所有帧执行（相同）数据扩充（可能使用datagen = ImageDataGenerator()和datagen.flow())
   2. 在X，y
   上训练网络

我的第一个想法是使用model.fit_generator（generator = ImageDataGenerator（）。flow（））但这样，我无法修改我的batch_size，说实话，我不明白你的解决方案。 很抱歉很长的帖子，但我仍然是python和NN的新手，但我真的是Keras的忠实粉丝;） 日Thnx！