我正在尝试使用Tensorflow和Nvidia Digits训练神经网络来检测隐写图像。我加载了一个数据集，它有两个子目录 - 封面图像和Steg图像。我认为网络必须一起处理封面/隐写图像对，以了解哪些是封面，哪些是隐写图像。我对么？
批量大小如何工作？如果我给1，它会从两个子目录中获取一个图像并处理它们吗？或者我必须输入批号为2？
如何在每个纪元上改组数据？它是否同等地改变了两个子目录？作为一个例子，1.jpg是两个文件夹上的第三张照片，还是两者都不同？
答案 0 :(得分：0)
我认为网络必须处理封面/ stegano图像对 一起学习哪些是封面，哪些是密写 图片。我说得对吗？
我不熟悉Nvidia Digits中的对象检测（对吗？），因此请查看其tutorials以获取更多信息。 您需要首先考虑标记训练数据的类型。通常在示例中，我只看到一个训练文件夹和一个验证文件夹（每个文件夹：图像和标签）-数字将您的数据集进行划分，例如分为90％的训练和10％的验证图像。
批量大小如何工作？如果我给1，它会从两个图像中取一张 子目录并处理它们？还是我必须输入批号 为2？
使用批号，您可以告诉Digits每个迭代使用多少张图像。它用于数据集划分（用于计算的内存是有限的；您不能将整个数据集放入一个迭代中）。在一个时期内，将处理整个数据集。 据我所知，一次只能一张图像。
每个时代的改组数据如何工作？它会洗牌两个子 目录一样吗？例如1.jpg将是第三张照片 这两个文件夹，还是两者都不同？
应将数据automatically改组。