Keras 延迟数据增强答案

【问题标题】：Keras delayed data augmentationKeras 延迟数据增强
【发布时间】：2018-07-18 13:37:00
【问题描述】：

我正在尝试在 Keras 中应用自定义图像增强技术。我正在使用 fit_generator 和生成器来生成图像。我想在说 20 个 epoch 之后才开始应用图像增强（所以前 20 个 epoch 不会有任何数据增强）。不幸的是，生成器没有时代的概念。知道怎么做吗？

【问题讨论】：

为什么不适合两种不同的生成器——一种没有增强功能，一种有增强功能？
你将如何根据时代从一个切换到另一个？
嗯...训练 20 个 epoch，更改生成器，训练更多 epoch...
这更好，因为steps_per_epoch 也应该改变。
听起来不错，但我不明白如何在训练时更改生成器。目前我有类似的东西： model.fit_generator(myGenerator((x_train, y_train),batch_size, alpha ) , steps_per_epoch=60000//batch_size ,epochs=200,validation_data=myGeneratorTT((x_test, y_test),batch_size, alpha ) , validation_steps=10000//batch_size, callbacks=[F1F1,checkpointer]) ，它不在循环内，为我做所有的训练

标签： tensorflow keras

【解决方案1】：

最简单的方法是在没有实时增强的情况下训练 20 个 epoch（使用不带参数的 Keras ImageDataGenerator）并使用 ModelCheckpoint 回调保存模型。然后重新加载模型并继续使用 RA 进行训练（使用带有您选择的变换的 ImageDataGenerator）。

如果您希望一步完成该行为，您可以制作自己的 ImageDataGenerator 版本。您只需要进行以下更改：

def __init__(self,
             batch_counter=0,  # count the batches elapsed
             steps_per_epoch=0,  # pass steps per epoch into the custom ImageDataGenerator on init
             n_epoch = 0, # count the epochs elapsed

然后，只需修改 ImageDataGenerator 中的 NumpyArrayIterator 以增加这些变量，并且仅在 n_epochs 过去后调用 random_transform。例如。 self.image_data_generator.batch_counter += 1

【讨论】：