ImageDataGenerator性能较差

Question

我构建了带有和不带有ImageDataGenerator的神经网络。当我不使用它时，它工作正常。当我将其与IDG一起使用时，准确性和valid_accuracy分数均非常糟糕。所以我想我做错了。

我想使用IDG来查看增强对我的神经网络的作用。但是，即使我摆脱了所有扩充功能，它仍然表现不佳。

这是我的IDG代码：

image_size=224

train_datagen = ImageDataGenerator(rescale=1./255, validation_split = 0.2)

train_generator = train_datagen.flow_from_directory('images',
target_size = (image_size, image_size),
batch_size = 10
class_mode = 'categorical'
subset='training')

validation_generator = train_datagen.flow_from_directory('images',
target_size = (image_size, image_size),
batch_size = 10
class_mode = 'categorical'
subset='training')

在适合时，我使用以下代码：

    chat = model.fit_generator(train_generator, steps_per_epoch = train_generator.samples // 10,
validation_data = validation_generator,
validation_steps = validation_generator.samples // 10,
epochs = 10)

我做错什么了吗？ IDG是否会对我看不到的图像执行操作，但会更改某些以某种方式影响图像的图像？

当我绘制图像时，我看不到任何奇怪的东西。

希望有人可以给我一些提示！

Answer 1

当您说数据扩充的性能较差时，您是否要在同一数据集中进行比较？

通常，将经过增强的数据集上训练的模型与未经常规数据集上的数据增强训练的模型进行比较的准确性有误。

请务必牢记，对于模型而言，扩充数据集可能更难处理。因此，即使准确性不如以前，但在常规数据集上进行评估时，实际上可能会更高。