对fashion_mnist进行图像增强 用ImageDataGenerator实现 最后展示20张

图片。

好的，我会尽力回答您的问题。以下是使用ImageDataGenerator对fashion_mnist进行图像增强的示例代码，并展示20张图片的代码：

# 导入需要的模块   
import numpy as np  
import matplotlib.pyplot as plt  
from keras.datasets import fashion_mnist  
from keras.preprocessing.image import ImageDataGenerator  

# Load the Fashion-MNIST dataset  
(x_train, y_train), (x_test, y_test) = fashion_mnist.load_data()  

# 定义图像增强生成器  
datagen = ImageDataGenerator(
        rotation_range=15,
        width_shift_range=0.1,
        height_shift_range=0.1,
        shear_range=0.1,
        zoom_range=0.1,
        horizontal_flip=True,
        vertical_flip=False,
        fill_mode='nearest'
    )

# 从(x_train, y_train)中随机选取一些图片，并进行数据增强  
# 将增强后的图片保存到g输出的文件夹中  
g = datagen.flow(x_train[:20], y_train[:20], batch_size=1, save_to_dir='preview', save_prefix='fashion-mnist', save_format='jpeg')  
  
# 显示20张增强后的图片  
fig = plt.figure(figsize=(8,8))
for i in range(20):
    ax = fig.add_subplot(4,5,i+1)
    ax.imshow(g.next()[0].astype('uint8'))
    plt.axis('off')
plt.show()

这段代码中，我们首先从Keras的Fashion-MNIST数据集中加载了训练集和测试集。然后，我们定义了一个ImageDataGenerator对象，并在其中指定了一些图像增强的参数，如旋转范围、平移范围、剪切范围、缩放范围、水平翻转和填充模式。接下来，我们使用datagen.flow()从训练集中随机选取了20张图片，并对它们进行了数据增强，并将增强后的图片保存在了名为“preview”的文件夹中。最后，我们使用matplotlib库将这20张增强后的图片可视化展示出来。

希望这个回答能够帮到您。