我是否正确理解对象分类任务中的数据扩充仅应在训练集上进行？
如果是，您如何使用增强数据实施10倍交叉验证？每次测试倍数变化（即10次）时是否都会创建增强数据？
奖金问题：您能否将我引导至显示如何在Tensorflow中执行此操作的资源？
答案 0 :(得分：1)
是的，您的理解是正确的。 验证数据可让您了解模型在未见的真实示例中的行为，例如测试数据。因此，您应该保持其真实性，而不要因扩充而损坏它。
现在进行10倍交叉验证：工程方面的考虑开始了。进行扩增是否在计算上昂贵？也许您可以预先计算扩充后的数据，并选择原始+增强的进行训练，而仅原始的进行验证。您是否要浪费大量的扩充数据和/或扩充是否容易？快速执行此操作，可能是从数据集中获取样本的一部分。
我无法帮助您解决TF奖金问题，但there is a nice example是将事情整合到PyTorch中。
答案 1 :(得分：0)
通常会进行数据扩充，以帮助我们的模型更好地推广测试/现实世界的数据。对于许多实际应用，数据分为训练/有效/测试。可以在训练和有效数据集中增加数据。在测试集中进行数据扩充毫无意义。
要进行交叉验证，请检查sklearn库中的kfold函数，该函数可对numpy数组进行操作。您可以直接在tensorflow的model.fit（）中使用它们的返回值