tensorflow数据加强

T10 使用 TensorFlow 实现数据加强

在深度学习的图像分类任务中，数据加强是一种常用的技能，它通过对现有练习样本举行随机变更（比方翻转、旋转、缩放等），以天生更多的练习数据，资助模子更好地泛化，提拔模子在未知数据上的体现。Pytorch框架数据加强方式较为方便，但对于tensorflow还不熟悉，这周告急学习tensorflow框架下数据加强方法。
1. 情况设置和数据加载

将数据集分为练习集、验证集和测试集。

1. # 设置 GPU 显存按需使用
2. gpus = tf.config.list_physical_devices("GPU")
3. if gpus:
4.     tf.config.experimental.set_memory_growth(gpus[0], True)
5.     tf.config.set_visible_devices([gpus[0]], "GPU")
7. # 数据路径和参数设定
8. data_dir = "./34-data/"
9. img_height, img_width = 224, 224
10. batch_size = 32
12. # 加载训练和验证数据集
13. train_ds = tf.keras.preprocessing.image_dataset_from_directory(
14.     data_dir,
15.     validation_split=0.3,
16.     subset="training",
17.     seed=12,
18.     image_size=(img_height, img_width),
19.     batch_size=batch_size)
21. val_ds = tf.keras.preprocessing.image_dataset_from_directory(
22.     data_dir,
23.     validation_split=0.3,
24.     subset="validation",
25.     seed=12,
26.     image_size=(img_height, img_width),
27.     batch_size=batch_size

复制代码