我有一个非常小的数据集，需要进行数据增强。我使用 Keras，但对这种方法如何帮助我感到困惑。
我查看了几个教程，他们建议通过添加层到模型中来进行数据增强。
data_augmentation = tf.keras.Sequential([ layers.experimental.preprocessing.RandomFlip("horizontal_and_vertical"), layers.experimental.preprocessing.RandomRotation(0.2), ]) model = Sequential()#添加模型层 model.add(data_augmentation) ....我的问题是：如果我的数据集中的 N 张图片通过 model.fit 传递，这些图片只会被翻转或旋转，我不会得到两张相似的图片：例如一张原始图片和一张翻转后的图片，数据增强如何帮助我处理小数据集？
我是否应该先保存增强后的图片？
在我的代码中，我遵循了这个教程的选项 1 https://www.tensorflow.org/tutorials/images/data_augmentation
回答：
在不使用增强的情况下训练模型时，模型会按数据集中的原样处理图片。当你添加增强时，输入图片会被随机选择进行变换，变成不同的图片并作为模型的输入。例如，如果你有一张猫的图片，并且它被随机选择进行水平翻转，那么模型有时会用未翻转的图片进行训练，有时会用翻转后的图片进行训练。因此，你的模型会看到更广泛的输入图片分布。可以使用 ImageDataGenerator.flow 或 ImageDataGenerator.flow_from_directory 来存储变换后的图片。文档在这里 这里。然后可以将保存的变换后的图片添加到输入数据集中。
