根据样本类TensorFlow进行数据扩充

Question

我正在使用 Tensorflow 进行图像分类。作为输入管道，我使用TFRecords来自.map()。我正在使用DECLARE @sql1 NVARCHAR(MAX); -- Concatenate all the drop statements in the inner loop into a single SQL string SELECT @sql1 = STUFF((SELECT '; ' + a.t FROM ( -- find all the constraints we're interested in and create a list of -- SQL statements to drop them SELECT 'ALTER TABLE [' + p.name + '] DROP CONSTRAINT [' + o.name + ']' as t FROM sys.objects o left join sys.objects p on o.parent_object_id = p.object_id WHERE o.name LIKE '%disallow_zero_length' ) a FOR XML PATH('')), 1, 2, '') print @sql1 -- Execute the bit concatenated drop statement EXEC(@sql1); 应用数据扩充。我想知道是否有一种方法可以根据图像的标签应用不同的数据增强。假设：如果图像属于 Person ，我想应用随机水平翻转，但如果图像属于背景，我想应用一个随机轮换。

谢谢！

Answer 1

当然，请注意您的tf.data.Dataset管道包含数据和标签。正如您所做的那样，为自己创建另一个.map()功能。它应该接收数据和标签，在那里你可以使用tf.cond来应用转换或不应用它，具体取决于标签的类别。请注意，您也可以根据需要转换标签（在分类的情况下可能不需要转换标签，但如果您有边框，则需要翻转它们）。