tf.data.Dataset 的增强

Question

遵循本指南，我偶然发现了这一点：为了增加 tf.data 数据集，我们手动使用 map 函数在原始数据集的每个图像中映射图像转换：

def convert(image, label):
  image = tf.image.convert_image_dtype(image, tf.float32) # Cast and normalize the image to [0,1]
  return image, label

def augment(image,label):
  image,label = convert(image, label)
  image = tf.image.convert_image_dtype(image, tf.float32) # Cast and normalize the image to [0,1]
  image = tf.image.resize_with_crop_or_pad(image, 34, 34) # Add 6 pixels of padding
  image = tf.image.random_crop(image, size=[28, 28, 1]) # Random crop back to 28x28
  image = tf.image.random_brightness(image, max_delta=0.5) # Random brightness

  return image,label

BATCH_SIZE = 64
# Only use a subset of the data so it's easier to overfit, for this tutorial
NUM_EXAMPLES = 2048

augmented_train_batches = (
    train_dataset
    # Only train on a subset, so you can quickly see the effect.
    .take(NUM_EXAMPLES)
    .cache()
    .shuffle(num_train_examples//4)
    # The augmentation is added here.
    .map(augment, num_parallel_calls=AUTOTUNE)
    .batch(BATCH_SIZE)
    .prefetch(AUTOTUNE)
) 

从我可以理解的事情是这样的：它采用原始数据train_dataset并创建一个新augmented_train_batches数据集，该数据集具有相同数量的由地图转换更改的图像。之后这样做是将这个数据集输入.fit如下：

model_with_aug.fit(augmented_train_batches, epochs=50, validation_data=validation_batches)

所以我似乎无法理解的是：不是应该在每个时期之后更改数据，以便（根据文档）我们的模型不会多次看到相同的图像，而且使我们的过度拟合机会降低?

在本教程中，augmented_train_batches不仅仅是一个稍微改变的数据集，它一遍又一遍地馈送到我们的模型中？

还是在每个时代之后以我无法理解的方式以某种方式应用了增强？

PSI 假设增强（如果正确完成）必须在每个 epoch 之后以相同的方式更改预转换的数据，而不是继续将转换应用于相同的更改数据集。

Answer 1

增强是否以某种我无法理解的方式在每个纪元之后应用？

不，在本教程中，增强仅进行一次，而不是在每个时期都进行。当我们想要使用数据增强来训练每个 epoch 生成增强数据的网络时，使用 TF Keras 图像数据生成器来生成它会更容易。这将创建一个迭代器，您可以直接向模型提供增强数据。您可以在此链接中阅读更多相关信息。

本教程仅向您介绍数据增强的基本概念和好处。

请注意教程中的这一部分：

BATCH_SIZE = 64
# Only use a subset of the data so it's easier to overfit, for this tutorial
NUM_EXAMPLES = 2048

本教程仅打算使用数据子集，这就是为什么它更容易过度拟合，因此这可能是您担心过度拟合机会更高的原因。

增强是为了获得更多的数据，我们只需要对现有的数据集进行微小的修改即可。您可以使用 进行较小的更改，例如翻转、平移或旋转，tf.image并使用 map 方法将其应用到数据集中的每个项目.map()。无论如何，我们的神经网络会认为这些是不同的图像。

从教程中来看，将非增强数据与增强数据分开训练只是为了比较并显示差异有多小。

在此示例中，增强模型在验证集上收敛到约 95% 的准确度。这比没有数据增强的训练模型略高 (+1%)。

我们可以清楚地看到，两者之间并没有太大的区别。但通常使用增强的目的是为您的数据集提供更多更改的数据，因此如果您将其与原始数据集合并并增加纪元数，结果可能会提供更大的差异。