关于 keras 中用ImageDataGenerator 做 data augmentation 的问题

各位大神好，小白刚接触深度学习和keras.
有两个问题一直困扰着我，用keras中的 ImageDataGenerator做data augmentation时，
（1）每个epoch的图片都不同，这样的做，反向传播时修改的参数还准确吗，训练模型严谨吗，
（2）我试着输出过训练图像，发现里面没有原始图像，这样做数据扩张感觉很慌，是不是我使用方法的问题啊，请大佬指点迷津

datagen = ImageDataGenerator(
        rescale=None,
        shear_range=0.2,
        zoom_range=[0.95,1.05],
        rotation_range=10,
        horizontal_flip=True,
        vertical_flip=True,
        fill_mode='reflect',

        )

training = model.fit_generator(datagen.flow(data_train, label_train_binary, batch_size=n_batch, shuffle=True), callbacks=[checkpoint,tensorboard,csvlog],validation_data=(data_val,label_val_binary),steps_per_epoch=len(data_train)//n_batch, nb_epoch=10000, verbose=1)

(1)data augmentation是在一定程度内随机扩充数据，这样做肯定是好的，如果每个epoch图片都相同，那么反向传播才失去意义了；
（2）增强后的图像多少与原图有些差异，你可以靠参数控制差异范围。