如何控制集成在模型中的数据增强层生成的增强训练数据量？

针对你提出的问题，直接给出结论：当你以1000个numpy数组格式的训练样本输入搭配内置数据增强层的模型时，每一轮训练会使用1000张变换后的图像，数量和原始样本数完全一致。

核心逻辑说明 #

• 集成在模型中的数据增强层（如RandomFlip、RandomRotation等）是在训练阶段的前向传播过程中实时对每个输入样本执行随机变换，变换操作是针对单个样本即时生成的。
• 每一轮训练时，模型会完整遍历一遍你传入的所有原始样本，每个原始样本都会被生成一个唯一的增强版本，并用这个版本参与梯度计算与模型参数更新。
• 若你设置训练epochs为N轮，那么整个训练过程会生成1000 * N张不同的增强图像（因为每一轮的随机变换参数不同，同一样本在不同轮次的变换结果也不同）。

特殊情况补充 #

• 如果你使用tf.data.Dataset并设置了repeat()方法循环样本，实际用到的增强样本数量会由你设置的训练步数或重复次数决定；但直接传入numpy数组的场景下，默认每轮仅遍历一次原始样本。
• 数据增强层默认在测试/推理阶段自动关闭变换逻辑（无需额外设置），此时模型使用的是原始样本而非增强版本。

内容的提问来源于stack exchange，提问作者Tae-Sung Shin