我們將昨天影像增強的功能掛在是人是馬的範例上再來一次，首先我們來看before，我們可以看到在多次的epoch後，訓練的accuracy可以非常接近1而loss非常接近0，但測試圖庫的結果如同昨天未增強的情況，accuracy接近持平但loss增長更嚴重：

然後我們加上以下的增強設定：

datagen_aug = ImageDataGenerator(
      rescale=1./255,
      rotation_range=40,
      width_shift_range=0.2,
      height_shift_range=0.2,
      shear_range=0.2,
      zoom_range=0.2,
      horizontal_flip=True,
      fill_mode='nearest')

我們將訓練和測試的圖庫都增強，結果如下：

可以看到反而accuracy在約只有0.65的附近跳動。而如果只將測試的圖庫增強，結果是相似的：

這結果課堂的說明是：

The image augmentation introduces a random element to the training images. But if the validation set doesn't have the same randomness, then its results can fluctuate like this.

測試我特別挑選的真實圖庫，首先是原本沒有增強的：

然後是訓練的圖庫有增強的，結果都判斷為人：

由於這訓練時間就相對長，所以就只有iterate 2次的樣本數，但如上次提到的每次訓練的結果並不相同，以目前這個結果來說並沒有肯定的結論。