深度学习笔记10-数据增强(Tensorflow)

• 🍨 本文为🔗365天深度学习训练营中的学习记录博客
• 🍖 原作者：K同学啊

前言

在深度学习中，数据增强（Data Augmentation）是一种通过对现有数据进行各种转换和变换，从而生成更多训练样本的方法。在计算机视觉中，常见的数据增强方法包括随机裁剪、旋转、翻转、缩放、平移、亮度调整、对比度调整、添加噪声等。其主要目的是通过增加数据量和多样性，帮助模型学习到更加泛化的特征，提高模型的鲁棒性，并减少过拟合现象。

一、前期工作

1.加载数据

import matplotlib.pyplot as plt
import numpy as np
#隐藏警告
import warnings
warnings.filterwarnings('ignore')
import tensorflow as tf
from tensorflow.keras import layers

data_dir   = "./T10/"
img_height = 224
img_width  = 224
batch_size = 32

train_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.3,
    subset="training",
    seed=12,
    image_size=(img_height, img_width),
    batch_size=batch_size)
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
    data_dir,
    validation_split=0.3,
    subset="validation",
    seed=12,
    image_size=(img_height, img_width),
    batch_size=batch_size)

 

class_names = train_ds.class_names
print(class_names)

 2.创建测试集

由于原始数据集不包含测试集，因此需要创建一个。使用tf.data.experimental.cardinality确定验证