用tf.data API做数据增强

为什么要用tf.data API

• 可以以快速且可扩展的方式加载和预处理数据
• 大型数据集 vs 小型数据集(用numpy即可)
• 支持分布式训练

数据增强(Data augmentation) Keras提供两种实现数据增强的方式：

1. 将数据增强层在模型中实现，代码如下所示：

model = tf.keras.Sequential([
  resize_and_rescale,
  data_augmentation,
  layers.Conv2D(16, 3, padding='same', activation='relu'),
  layers.MaxPooling2D(),
  # Rest of your model
])

这种方式的好处是，数据增强可以在GPU中计算，训练速度会更快。使用TensorFlow做部署时，在推理模式下，数据增强层会自动变为恒等输出。当使用其它软件工具部署模型时，例如：OpenVINO，则内嵌入模型的数据增强层行为变得未知

2. 不将数据增强功能集成到模型里面，仅仅作用于训练数据，代码如下所示：

aug_ds = train_ds.map(
lambda x, y: (resize_and_rescale(x, training=True), y))

这种方式的好处是，数据增强在CPU中异步执行，可以更好的利用 Dataset.prefetch的优势；另外，数据增强与模型分离，方便模型用第三工具进行部署。本文选用第二种方式实现数据增强

完整范例代码：

data_augmentation = tf.keras.Sequential([
  layers.experimental.preprocessing.RandomFlip("horizontal_and_vertical"),
  layers.experimental.preprocessing.RandomRotation(0.2),
])

train_dataset = train_dataset.map(lambda x,y: (data_augmentation(x, training=True), y), num_parallel_calls=tf.data.AUTOTUNE)
train_dataset = train_dataset.shuffle(1000).batch(batch_size).prefetch(buffer_size=tf.data.AUTOTUNE)