Keras中的ImageDataGenerator类

ImageDataGenerator是Keras中一个非常方便的图像数据生成器，主要用于数据增强（data augmentation）和实时数据扩充（real-time data augmentation）。它可以自动将一批原始图像转换为训练所需的随机数据，比如随机旋转、缩放、翻转等操作，从而扩大训练数据集，提高模型的泛化能力。

ImageDataGenerator类可以通过定义不同的参数来实现各种图像增强的操作，例如：

- rotation_range：旋转角度范围；
- width_shift_range、height_shift_range：图像水平、垂直方向的平移范围；
- shear_range：剪切强度；
- zoom_range：随机缩放范围；
- horizontal_flip、vertical_flip：是否随机水平、垂直翻转图像；
- fill_mode：填充模式。

使用ImageDataGenerator类时，需要先通过fit()方法计算出数据集的统计信息，然后可以通过flow()方法进行数据生成。例如：

from keras.preprocessing.image import ImageDataGenerator

datagen = ImageDataGenerator(
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

datagen.fit(x_train)

model.fit_generator(datagen.flow(x_train, y_train, batch_size=32),
                    steps_per_epoch=len(x_train)/32, epochs=50)

这段代码中，我们先定义了一个ImageDataGenerator对象，然后定义了各种图像增强的参数。接着，我们通过fit()方法计算出数据集的统计信息，最后通过flow()方法生成扩充后的数据集，用于训练模型。