Tensorflowでは、トレーニング時間中、生の画像（またはデータ）からバッチが作成されたとき、または画像がすでに静止しているときに、前処理を行うことができるようです。 （彼らは同じハードウェアを使用して行われている場合）は、理論的には、前処理がほぼ同じ時間を取るべきであることを考えると、トレーニング中よりもトレーニングする前に、データの前処理（あるいはデータの増強を）やっ内の任意実用欠点がありますリアルタイムで？Tensorflow：TFRecordファイルの前処理は、リアルタイムデータ前処理より高速ですか？
トレーニング中に行われなかった場合、Tensorflowでデータの補強を行うこともできますか？
私は同じことを思っていて、訓練期間中の画像処理パフォーマンスには失望しています。イメージの操作がどれほど大きなオーバーヘッドになるかを理解するには、しばらく時間がかかりました。
私は自分自身を素晴らしいジューシーな前処理/拡張データファイルにしようとしています。一晩中実行してから翌日に来て、2倍の生産性を上げてください！
私は1台のGPUマシンを使用しています。ピースバイモデルのモデルビルディングが道のりです。ただし、ハードウェアが異なる場合は、ワークフローの数式が異なって見えることがあります。例えば、私のMacbook-Proのテンソルフローは、CPU上では遅かったし、ラップトップのGPU上で自動的に行われたため、画像処理が高速になっていた。今私は適切なGPUマシンに移動しました。テンソルフローは20倍高速で実行されており、画像処理はボトルネックです。
あなたの増強/前処理がどれだけ長くかかるかを考え、それを再利用する頻度を計算してから計算します。