我正在尝试使用 Tensorflow 和 Nvidia Digits 训练神经网络来检测隐写图像。我加载了一个数据集，它有两个子目录——Cover Images 和 Steg Images。我认为网络必须一起处理封面/隐写图像对，以了解哪些是封面，哪些是隐写图像。我对么？
批量大小如何工作？如果我给 1 它会从两个子目录中获取一张图像并处理它们吗？还是我必须为此输入批号为2？
如何在每个 epoch 上洗牌数据？它是否平等地洗牌两个子目录？例如，1.jpg 将是两个文件夹中的第三张照片，还是两者都不同？
【问题讨论】：
我认为网络必须处理封面/隐写图像对 一起学习哪些是封面，哪些是隐写的 图片。我说的对吗？
我不熟悉 Nvidia Digits 中的对象检测（对吗？），所以请查看他们的 tutorials 了解更多信息。 您需要首先考虑标记训练数据的类型。通常在示例中，我看到只使用一个训练文件夹和一个验证文件夹（每个：图像和标签） - 数字划分您的数据集，例如90% 的训练图像和 10% 的验证图像。
批量大小如何工作？如果我给 1 是否会从两者中获取一张图片 子目录并处理它们？还是我必须输入批号 为 2 吗？
通过批号，您可以告诉 Digits 您每次迭代使用多少张图片。它用于数据集划分（计算内存有限；您不能将整个数据集放入一次迭代中）。在一个时期内处理整个数据集。 如上所述，据我所知，一次一张图片。
如何在每个时期洗牌数据？它会洗牌两个子吗 目录平等吗？例如，1.jpg 将是第三张照片 两个文件夹，还是两个文件夹都不一样？
数据应该被洗牌automatically。
【讨论】：