如何确定TensorFlow ImageDataGenerator图像增强的生成图像数量

核心前提 #

ImageDataGenerator是实时动态生成增强图像的，不会提前把所有增强后的图像保存到硬盘，而是在模型训练需要数据时，对原始图像随机应用增强操作生成样本。

1. 单张训练图像的生成次数 #

单张原始图像会被重复调用生成增强样本的次数，取决于训练轮次（epochs）、batch_size和训练集总数量：

• 你的场景中，训练集共16张图，batch_size设为32。每个epoch里，为了凑齐一个batch的32个样本，单张图会被调用2次（16×2=32），每次调用都会生成一个不同的增强版本（因为增强参数是随机的）。
• 训练10个epoch的话，单张图总共会生成 2×10=20 个不同的增强样本。

2. 全部训练集的总生成样本数 #

总生成样本数 = 每个epoch的batch数 × batch_size × epochs

• 如果你没有手动设置steps_per_epoch，Keras会自动计算：当训练集样本数小于batch_size时，默认每个epoch跑1个batch。
• 你的场景中，每个epoch生成32个样本，10个epoch总共生成 32×10=320 个增强样本。
• 若手动指定steps_per_epoch（比如设为5），总生成数则为 5×32×10=1600，具体数值由你设置的steps_per_epoch决定。

补充说明 #

如果想更精准控制每个epoch的样本量，建议在fit_generator中显式设置steps_per_epoch参数，比如设为len(X_train)，这样每个epoch会用原始训练集的16张图各生成1次增强样本，10个epoch总生成数就是16×10=160。

内容的提问来源于stack exchange，提问作者Pranab