Как именно работают слои предварительной обработки в keras, особенно в контексте самой модели? Это можно сравнить с предварительной обработкой, применяемой вне модели, а затем вводом результатов для обучения.
Я пытаюсь понять, как выполняется увеличение данных в моделях keras. Допустим, у меня есть 1000 изображений для обучения. Вне модели я могу применить 10-кратное увеличение и получить 10000 результирующих изображений для обучения.
Но я не понимаю, что происходит, когда вы используете слой предварительной обработки для увеличения. Этот (или эти, если вы используете много) слоев берет каждое изображение и применяет преобразования перед тренировкой? Означает ли это, что общее количество изображений, используемых для обучения (и, как я полагаю, проверки), равно количеству эпох * исходному количеству изображений?
Является ли один вариант лучше другого? Зависит ли это от количества изображений, которые изначально были у человека до увеличения?
Подробнее здесь: https://stackoverflow.com/questions/734 ... t-of-model
