[Tensorflow] 如何对两幅图像做同样的数据增广操作

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/liangdong2014/article/details/83339444

• 在深度学习中，我们经常会对数据进行数组增广操作，比如说左右翻转，增加noise等操作。
• 但是，现在我们的输入是一组图像是一个sample，那我们需要对这一组图像进行同样的数据增广操作，也就是说同一个sample之间的随机性是不存在的，不同sample之间的随机性是存在的。
• 实现方法参考下面的代码：

img = tf.ones([512, 512, 3], dtype=tf.float32)
seed = np.random.randint(1, 100)
brightness_image_tensor1 = tf.image.random_brightness(img, max_delta=32. / 255., seed=seed)
brightness_image_tensor2 = tf.image.random_brightness(img, max_delta=32. / 255., seed=seed)
with tf.Session() as sess:
    # brightness_image1 = sess.run(brightness_image_tensor1)
    # print(np.sum(brightness_image1))
    for i in range(3):
        brightness_image1, brightness_image2 = sess.run([brightness_image_tensor1, brightness_image_tensor2])
        print(np.sum(brightness_image1), np.sum(brightness_image2))

我们可以看到上面代码的输出是：

877246.6 877246.6
874782.06 874782.06
699716.2 699716.2

如果我们不指定seed，那么他的输出是

741118.3 716057.94
856578.1 827044.1
772722.1 848680.25

可以看到通过指定seed，我们可以让一个sample内的多幅图像进行同样的数据预处理操作。但是需要注意的是，brightness_image_tensor1和brightness_image_tensor2必须同时sess.run，也就是说他们必须执行同样的次数，才可以达到上诉效果。