我正在尝试训练神经网络以使用 Tensorflow 和 Nvidia Digits 检测隐写图像。我加载了一个数据集，它有两个子目录——Cover Images 和 Steg Images。我认为网络必须一起处理封面/隐写图像对，以了解哪些是封面，哪些是隐写图像。我对么？
批量大小如何工作？如果我给 1 它会从两个子目录中获取一张图像并处理它们吗？还是我必须为此输入批号为2？
在每个 epoch 上洗牌数据是如何工作的？它是否平等地洗牌两个子目录？例如，1.jpg 将是两个文件夹中的第三张照片，还是两者都不同？
我认为网络必须一起处理封面/隐写图像对，以了解哪些是封面，哪些是隐写图像。我对么？
我不熟悉 Nvidia Digits 中的对象检测（对吗？），因此请查看他们的教程以获取更多信息。您需要首先考虑标记训练数据的类型。通常在示例中，我看到只使用一个训练文件夹和一个验证文件夹（每个：图像和标签） - 数字将您的数据集划分为例如 90% 的训练图像和 10% 的验证图像。
批量大小如何工作？如果我给 1 它会从两个子目录中获取一张图像并处理它们吗？还是我必须为此输入批号为2？
通过批号，您可以告诉 Digits 每次迭代使用多少张图像。它用于数据集划分（计算内存有限；您不能将整个数据集放入一次迭代中）。在一个时期内处理整个数据集。如上所述，据我所知，一次一张图像。
在每个 epoch 上洗牌数据是如何工作的？它是否平等地洗牌两个子目录？例如，1.jpg 将是两个文件夹中的第三张照片，还是两者都不同？
数据应自动洗牌。