如何在 tensorflow tfrecords 中增加数据？答案

【问题标题】：How to augment data in tensorflow tfrecords?如何在 tensorflow tfrecords 中增加数据？
【发布时间】：2018-01-19 17:51:05
【问题描述】：

我使用 tfrecords 存储我的数据，并使用 Dataset API 将它们作为张量读取，然后使用 Estimator API 执行训练。现在，我想对数据集中的每个项目进行在线数据增强，但尝试了一段时间后，我找不到出路。我要随机翻转、随机旋转等机械手。

我正在按照this 教程中给出的说明使用自定义估计器，这是我的 CNN，但我不确定数据增强步骤发生在哪里。

【问题讨论】：

你能分享你到目前为止所做的事情吗？这将有助于其他人了解您需要什么以及您是如何失败的。
@OlivierMoindrot 检查更新的问题。

标签： tensorflow deep-learning tensorflow-datasets tensorflow-estimator tensorflow-slim

【解决方案1】：

使用 TFRecords 不会阻止您进行数据扩充。

按照您在评论中链接的tutorial，大致情况如下：

您从 TFRecords 文件创建数据集，并解析文件以获取 image 和 label

dataset = tf.data.TFRecordDataset(filenames=filenames)
dataset = dataset.map(parse)

您现在可以应用新的预处理函数在训练期间进行一些数据增强

# Only do it when we are training
if train:
    dataset = dataset.map(train_preprocess)

train_preprocess 函数可以是这样的：

def train_preprocess(image, label):
    flip_image = tf.image.random_flip_left_right(image)
    # Other transformations...
    return flip_image, label

【讨论】：

您的train_preprocess 函数仅限于tf.image.random_* 等定义的函数，例如无法使用tf.image 中的函数进行随机旋转。
另外，我不想进行一系列转换。我想一次做一个转换，即当我翻转时——我不想做旋转。你可以争论为什么，但这就是我想学习的方式。我面临的问题是我找不到放置 if-else 块的简洁方法，因为它在生成图形时运行一次，然后总是使用相同的转换。我正在查看tf.cond，但不确定正确的做法是什么。
您可以使用tf.contrib.image.rotate 进行旋转。对于您的第二条评论，不妨看看this answer
我不确定如何使用tf.contrib.image.rotate，因为angles参数需要在运行时为每个图像随机生成。
这些都是很好的问题，在他们自己的 stackoverflow 帖子中会更好。查看 tf.case 中的 switch 语句。