图像增强(image augmentation)

21年9月28日——吴恩达课程 图像增强

在课程的第一周，我们选择用2000个subset来训练dog ves cat的模型，得出的结果出现了过拟合，即训练的acc很高，但是在验证集上的acc不高，就说明数据量不够，如果数据本身很难很难采集的话，可以使用翻转、改变亮度、添加噪声等操作来扩充数据量。

这里补充一下，欠拟合一般是模型太过于简单导致的。
实际上对过拟合简单的解释就是数据量太少，我见过的东西就是训练集里的，遇到其他我没见过的就无法判别，即在验证集中表现不好。
在之前的模型中我们使用了ImageDataGenerator(rescale=1./255)这行代码将图像进行了标准化，标准化意义是使得图片更加可控更容易处理。这里其实我们已经用到了图像增强（image augmentation），接来下我们通过图像增强来扩充数据集。

其中，width_shift_range是指左右平移图像，shear_range指的是倾斜变形。