我在构建一个图像分类器，并使用Keras的ImageDataGenerator类，参数如下：

ImageDataGenerator(rescale=1./255, rotation_range=40, width_shift_range=0.2,height_shift_range=0.2, shear_range=0.2, zoom_range=0.2, horizontal_flip=True, fill_mode='nearest')

然后我使用这个生成器实例来处理我的训练数据，代码如下：

train_datagen.flow_from_dataframe(dataframe=binary_df, directory='../train', x_col='Image', y_col='Label',target_size=(target_size[0],target_size[1]),batch_size=batch_size, class_mode='categorical',interpolation='nearest')

最后，这个生成器直接传递给Keras中的’fit_generator’函数来训练我的模型，如下所示：

binary_model.fit_generator(binary_train_generator, epochs=100, shuffle=True)

我的问题是，生成器是否会根据创建生成器时指定的参数（如水平翻转、旋转等）自动增强数据，并在训练模型时传递这些数据，还是我需要先使用生成器创建新的数据，然后再将这些数据传递给’fit_generator’函数？

谢谢！

回答：

请查看ImageDataGenerator文档，特别是你正在使用的flow_from_dataframe函数。

引用文档：

接受目录路径并生成增强数据的批次。

因此，它会为模型生成增强的数据。

顺便提一下： 数据在创建生成器时不会被增强，而是在模型接收数据时按批次增强。

编辑： 图像数量（训练数据点）保持不变，引用文档：

horizontal_flip: 布尔值。随机水平翻转输入。

你的部分输入会被随机翻转，并不是说会输入两个独立的图像（一个翻转的和一个未增强的原始版本）。