我在Tensorflow中训练模型，想实现高效的在线数据增强，并希望其速度足够快，不会成为训练的瓶颈（即数据能比模型在GPU上的前向-后向循环更快地送入GPU）。然而，我之前有使用Keras的经验，其ImageDataGenerator看起来运作得相当不错。所以我的问题是：

仅仅因为Keras的ImageDataGenerator，我就应该使用Keras吗？它是否比我使用OpenCV可能实现的速度更快（尽管Keras的版本缺乏一些我可能需要的功能，不过我不确定我是否真的需要这些功能）？

或者，如果你无法给出确定的答案，请分享你在数据增强优化方面的经验。如果你曾经对类似的东西进行过基准测试（比较速度性能），也请分享。任何帮助都将不胜感激。提前感谢。

PS: 数据是从硬盘驱动器加载的。

回答：

请记住，你不需要整个ImageDataGenerator就能使用其数据增强功能。看看keras-preprocessing的image.py模块 – 你在这里可以找到所有你需要的！只需导入你需要的所有内容。例如：

# 用于任何旋转/倾斜/移位/缩放from keras.preprocessing.image import apply_affine_transform# 用于调整亮度from keras.preprocessing.image import random_brightnessfrom keras.preprocessing.image import apply_brightness_shift# ... 还有更多

根据我的测量，ImageDataGenerator似乎使用PIL来读取图像，这比cv2慢得多。

另外，正如@***提到的，你可以优化你的数据供给管道（消除Python，只使用tf.Queue）。