我正在尝试从keras.datasets.fashion_mnist到分类问题的时尚图像数据集上构建CNN。
我的理解是，当您建立神经网络时， 样品数量与总重量之间的差应约为10：1。
这个特定的数据集包含训练数据，其中包含60000张图像，尺寸为28x28，带有1个通道（灰度）。
我的model.summary（）显示总共约160000个参数。
请注意，我还在模型X上使用ImageDataGenerator和以后的用户fit_generator来增强图像，其中训练X和Y来自生成器，并且验证测试数据也来自生成器，使用的历元数不超过25，批量大小是25。
如果如上所述我必须考虑10：1的比例，那么考虑到我也正在放大图像，应该是我的样本总数。我担心的是我的体重太重，反过来又使我的模型过拟合。
所以问题是：
不进行扩充，它将拥有多少总训练样本-是28 * 28 * 60000（高度体重样本）还是60000（样本）
通过增强，我认为对于60k图像应该有多少个总样本？
谢谢
维杰