【发布时间】：2018-06-26 17:21:50
【问题描述】：
我试图找出在我的机器上训练神经网络所需的最小空间。通常（图像）数据集的原始形式相对较小，但是当我们转换它们时（在带有 flow_from_dir 的 keras 中），我们会增加图像并将数据集的大小乘以我们的期望。
我的问题是：flow_from_directory 如何存储增强图像？如果我没有指定需要存储图像（类的参数），keras 是否会增强图像，使用它进行训练并丢弃它，或者将其保存一段时间，直到训练结束为止?
另外，这些图像会在持久内存或 RAM 中吗？先感谢您。
【问题讨论】：
-
当您无法在数据集上训练模型并将其保存在内存中时，flow_from 目录会很有帮助。这就像一块数据被取出并存储在内存中，然后训练并丢弃新的块
-
听起来好像是存储在 RAM 中的吧？您是否正在使用此表格的任何特定资源？ @user5722540
-
我发现了一些可能有帮助的信息（并且当你想到它时，它是有意义的。）图像数据集（例如来自 Kaggle）包含相对相似的图像或相同类型的图像。然而，这并不意味着它们占用相同的存储空间。我发现数据集中这些单独的图像占用的存储范围非常大。在预处理增强后，作为旧图像增强版本的图像集具有更多更可预测的存储大小。
-
这意味着即使您的初始数据集可能很大，由于它具有可预测性，因此可以对其进行扩充并生成新数据。
标签： python-3.x tensorflow machine-learning neural-network keras