imagedatagenerator用法

ImageDataGenerator是Keras深度学习框架中的一个图像数据生成器。它可以通过旋转、缩放、平移等方式来增加图像数据的多样性，从而提高模型的泛化能力。使用方法如下:

1. 首先需要导入ImageDataGenerator模块:

from keras.preprocessing.image import ImageDataGenerator

2. 实例化一个ImageDataGenerator对象:

datagen = ImageDataGenerator(rotation_range=40,
                             width_shift_range=0.2,
                             height_shift_range=0.2,
                             shear_range=0.2,
                             zoom_range=0.2,
                             horizontal_flip=True,
                             fill_mode='nearest')

3. 使用.flow()或.flow_from_directory()方法来从文件夹中读取图像并进行数据增强:

# 从文件夹中读取图像并进行数据增强
train_generator = datagen.flow_from_directory(directory='data/train',
                                              target_size=(150, 150),
                                              batch_size=32,
                                              class_mode='binary')

4. 将数据生成器作为输入传递给模型的.fit_generator()方法进行训练:

model.fit_generator(generator=train_generator,
                    steps_per_epoch=2000,
                    epochs=50)

其中，rotation_range、width_shift_range、height_shift_range、shear_range、zoom_range、horizontal_flip、fill_mode等参数可以根据需要自定义。