どちらがImageDataGeneratorでの水増しとして適切でしょうか。

比較するソースコード2つ

※質問は一番下に書いてあります。

以下に2つのソースコードを貼ります。どちらも長くて申し訳ありません。
まずは1つ目のソースコードです。

Python
1# ------------------------------------------------------------ #
2# クラス別に画像を1枚ずつ変換をかけて保存する処理(ここから)
3datagen = image.ImageDataGenerator(
4    rotation_range     = 360,
5    width_shift_range  = 5,
6    height_shift_range = 5,
7    fill_mode          = "constant"
8)
9
10class_list = [10種類のクラス名]
11img_list = [1種類あたり62枚の画像(合計620枚の画像)]
12
13for class_name in class_list :
14    for img in img_list :
15        gen = datagen.flow(
16            x           = img,
17            batch_size  = 1,
18            save_to_dir = "./mydataset/train/" + class_name + "/",
19            save_prefix = "train_" + char,
20            save_format = "png",
21        )
22        for loop in range(100) :
23            gen.next()
24# ここまで----------------------------------------------------- #
25
26# ------------------------------------------------------------ #
27# 水増ししたディレクトリから画像を64枚取得する処理(ここから)
28datagen = image.ImageDataGenerator(rescale = 1./255)
29train_generator = datagen.flow_from_directory(
30    "./mydataset/train/",
31    target_size = (img_w, img_h),
32    batch_size  = 64,
33    color_mode  = "grayscale",
34    class_mode  = "categorical"
35)
36# ここまで----------------------------------------------------- #
37
38... モデル定義など
39
40# ------------------------------------------------------------ #
41# 最終的なジェネレータをfitに用いる(ここから)
42model.fit(
43    x = train_generator,
44    ...
45)
46# ここまで----------------------------------------------------- #

このソースコードでは、画像を1枚ずつ読み込んで、その画像1枚1枚についてジェネレータを作成しています。さらに、そのジェネレータをfor文で100回呼び出すことで、結果的に1枚の画像を100枚の画像に水増ししています。今回は全体で620枚の画像を扱っているため、合計で62000枚の画像に水増しされることになります。そして、水増しした画像を保存したディレクトリをflow_from_directoryで読み込んで、train_generatorを生成しています。最後に、モデルをfitする際にそのジェネレータを渡しています。

長くなりましたが、上記が1つ目のソースコードで次が2つ目のソースコードになります。

Python
1# ------------------------------------------------------------ #
2# 水増し処理とジェネレータ作成を同時に実装(ここから)
3datagen = image.ImageDataGenerator(
4    rotation_range     = 360,
5    width_shift_range  = 5,
6    height_shift_range = 5,
7    rescale            = 1./255,
8    fill_mode          = "constant"
9)
10
11original_dir = 10種類のクラス名のディレクトリがあるディレクトリパス（1クラスあたり62枚の画像）
12# original_dir
13# ├── class1(62枚)
14# ├── class2(62枚)
15# :
16# └── class10(62枚)
17
18train_generator = datagen.flow_from_directory(
19    directory   = original_dir,
20    target_size = (img_w, img_h),
21    batch_size  = 64,
22    color_mode  = "grayscale",
23    class_mode  = "categorical",
24)
25# ここまで----------------------------------------------------- #
26
27... モデル定義など
28
29# ------------------------------------------------------------ #
30# ジェネレータをfitに用いる(ここから)
31model.fit(
32    x = train_generator,
33    ...
34)
35# ここまで----------------------------------------------------- #

2つ目のソースコードは1つ目のものよりもシンプルで、画像の水増しをせずに(?)ジェネレータを作成しています。基本的には1つ目のソースコードと同じ処理になっているはずです...。

質問

前置きが長くなりましたが、ここで質問です。

上記2つのコードは、最終的にモデルが学習する段階においてジェネレータから提供されるデータに大きな違いはあるのでしょうか。

といいますのも、ImageDataGeneratorを紹介した多くのサイトでは、2つ目のソースコードではなく、1つ目のソースコードのように画像をfor文を使用して水増しを行っているように思えます。そのため、私が初めに作成したソースコードは1つ目の方のようなものでした。しかし、よくよく考えると最終的にバッチサイズを64に設定したジェネレータから変換された画像が提供されるのであれば、わざわざ1枚あたりの画像を100枚に増殖させる必要はないのではないかと思うようになりました。（変換された画像から64枚提供するか、変換しつつ64枚提供するか、の違い）

よろしくお願いします。