小编Geo*_* M.的帖子

我想将简单的数据增强（输入向量乘以随机标量）应用于在 Keras 中实现的完全连接的神经网络。Keras 具有很好的图像增强功能，但尝试使用它对于我的输入（1 张量）来说似乎很笨拙且缓慢，其训练数据集适合我的计算机内存。

相反，我想象我可以使用 Lambda 层来实现这一点，例如：

x = Input(shape=(10,))
y = x
y = Lambda(lambda z: random.uniform(0.5,1.0)*z)(y)
y = Dense(units=5, activation='relu')(y)
y = Dense(units=1, activation='sigmoid')(y)
model = Model(x, y)

我的问题是什么时候会生成这个随机数。这是否会修复单个随机数：

• 整个训练过程？
• 每批？
• 每个训练数据点？