Data augmentation

[Felix Nganga]

Professor, fez se data augmentation mas o numero total de imagens permaneceu o mesmo (3670).

Esperava ou pensava ver esse numero aumentado apos esta operação cuja utilidade foi mesmo essa. Não é?

 

Atentamente

[Felix Nganga]

E outra coisa, apos ter feito a data augmentation for base_treinamento:

base_treinamento = base_treinamento.map(lambda imagens, labels: (pre_processamento(imagens), labels))

Se faço o codigo abaixo para saber o novo numero de imagens nele contido, está me retornando -1:

tamanho_treinamento = base_treinamento.cardinality().numpy()
tamanho_treinamento

[Denny Ceccon]

Olá Felix,

Isto acontece porque o processo de aumentação ocorre em tempo real durante a execução do código. Nenhuma nova imagem é gerada em disco, mas as imagens disponíveis são modificadas com as configurações passadas em pre_processamento, logo antes de serem passadas ao modelo. O número total de imagens é definido pelo parâmetro steps_per_epoch passado ao método fit. Na aula, o professor usou steps_per_epoch igual ao número total de imagens dividido pelo batch_size, o que resulta em um treinamento com o mesmo número de imagens disponíveis, mas cada uma delas vai ser modificada conforme a camada de pre_processamento. Se você usar um steps_per_epoch maior que isso, as mesmas imagens vão ser recicladas aplicando novas transformações aleatórias.

cardinality retorna -1 porque, como o dataset original foi modificado com a função repeat, então seu tamanho é indefinido (tecnicamente, ele é infinito).

[Autor]

Posts