vovak1919

Среднее и стандартное отклонение считаются по первым 200к, а нормализуется весь датасет.

Если не указать, будут "случайные" перестановки. Если нужна повторяемость от запуска к запуску, надо указать какое-то значение.

Таргет — это что-то от чего можно взять производную, то есть только числа.

В случае со словами, обычно предсказывают вероятность каждого из слов, с помощью softmax.

проверочные изображения трансформировались так-же как и учебные

Но вы же их создали на основе datagen1, у которого указала сдвиги, повороты и т.д. В любом случае это служит для увеличение наборов данных, в этом нет ни чего плохого.