ImageDataGenerator()函数

ImageDataGenerator是Keras中的一个类，用于数据的增强和预处理，常用于图像分类、目标检测等任务。主要功能包括以下几点：

1. 数据增强：ImageDataGenerator可以通过对图片进行旋转、缩放、平移、翻转、随机裁剪等方式，生成更多的训练数据，以提高模型的泛化能力和效果。

2. 数据预处理：ImageDataGenerator可以对图片进行标准化、归一化等操作，以提高训练的稳定性和效果。

3. 数据流生成：ImageDataGenerator可以将图片读入内存，并生成一个数据流（Generator），以供模型训练使用。这种方式可以有效地节省内存，同时支持大规模数据的训练。

使用示例：

from keras.preprocessing.image import ImageDataGenerator

# 创建数据增强和预处理的实例
datagen = ImageDataGenerator(
    rotation_range=20,  # 随机旋转角度
    width_shift_range=0.2,  # 随机水平偏移
    height_shift_range=0.2, # 随机垂直偏移
    shear_range=0.2,  # 随机剪切变换
    zoom_range=0.2,  # 随机缩放范围
    horizontal_flip=True,  # 随机水平翻转
    fill_mode='nearest',  # 边界填充方式
    rescale=1./255 # 归一化
)

# 读取图片并生成训练数据流
train_generator = datagen.flow_from_directory(
    'train',
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary'
)

# 读取图片并生成验证数据流
validation_generator = datagen.flow_from_directory(
    'validation',
    target_size=(224, 224),
    batch_size=32,
    class_mode='binary'
)

# 训练模型
model.fit_generator(
    train_generator,
    steps_per_epoch=100,
    epochs=10,
    validation_data=validation_generator,
    validation_steps=50
)