了解 Keras 的 ImageDataGenerator 类中的 `width_shift_range` 和 `height_shift_range` 参数

Question

Keras 的文档ImageDataGenerator class说——

width_shift_range: Float, 1-D array-like or int - float: 总宽度的分数，如果 < 1，或者像素，如果 >= 1。 - 1-D array-like: 来自数组的随机元素。- int：间隔的整数像素(-width_shift_range, +width_shift_range)-width_shift_range=2可能的值为整数[-1, 0, +1]，与 相同width_shift_range=[-1, 0, +1]，而width_shift_range=1.0可能的值为区间 [-1.0, +1.0) 中的浮点数。

height_shift_range: Float, 1-D array-like or int - float: 总高度的分数，如果 < 1，或者像素，如果 >= 1。 - 1-D array-like: 来自数组的随机元素。- int：间隔的整数像素(-height_shift_range, +height_shift_range)-height_shift_range=2可能的值为整数[-1, 0, +1]，与 相同height_shift_range=[-1, 0, +1]，而height_shift_range=1.0可能的值为区间 [-1.0, +1.0) 中的浮点数。

我是 Keras 和机器学习的新手，我刚刚开始学习。

我正在努力理解 Keras 这两个参数的文档和使用 ImageDataGenerator class，namedwidth_shift_range和height_shift_range. 我搜索了很多，但除了官方之外找不到任何好的文档。这两个论点究竟有什么作用？什么时候必须使用它们？

这个演讲在这里似乎不合适，但由于互联网上没有任何地方进行讨论，我认为在这里进行讨论会很好。

如果有人帮助我理解这些，我将不胜感激。非常感谢。

Answer 1

ImageDataGenerator classwhich 使用的这两个参数用于在将图像输入网络之前对其进行预处理。如果你想让你的模型更健壮，那么少量的数据是不够的。这就是数据增强派上用场的地方。这用于生成随机数据。

width_shift_range：它实际上将图像向左或向右移动（水平移动）。如果值为float and <=1，它将以总宽度的百分比作为范围。假设图像width is 100px。如果width_shift_range = 1.0它会采取-100% to +100%手段-100px to +100px。它会在这个范围内随机移动图像。随机选择的正值将使图像向右移动，负值将向左移动图像。我们也可以通过选择像素来做到这一点。如果我们设置width_shift_range = 100它也会有同样的效果。更重要的是integer value>=1 count pixel as range和float value<=1 count percentage of total width as range。下面的图片是为width_shift_range = 1.0.

height_shift_range：它的工作原理与width_shift_range垂直移动（向上或向下）相同。下面的图片是为height_shift_range=0.2,fill_mode="constant"

fill_mode： 它为输入区域中新移动的像素设置规则。

## fill_mode: One of {"constant", "nearest", "reflect" or "wrap"}. 
## Points outside the boundaries of the input are filled according to the given mode:
## "constant": kkkkkkkk|abcd|kkkkkkkk (cval=k)
## "nearest":  aaaaaaaa|abcd|dddddddd
## "reflect":  abcddcba|abcd|dcbaabcd
## "wrap":  abcdabcd|abcd|abcdabcd

有关更多信息，您可以查看此博客