对于深度学习拿到数据时，有时候样本数据太少，这时候就需要增加数据，可以利用数据增强来做，数据增强可以有效减少过拟合，更好地使模型适用于新的样本，目的是增强模型的泛化能力。
如何进行数据增强？比如拿到一张图片，可以通过随机裁剪，旋转、缩放和水平翻转等操作来生成多张相似的图像，这样样本就增加了。
具体操作代码

import numpy as np
from keras.preprocessing.image import ImageDataGenerator
from keras.preprocessing.image import img_to_array
from keras.preprocessing.image import load_imgdef date_enhancement(img_input_path,img_output_path):image = load_img(img_input_path)image = img_to_array(image) #图像转为数组image = np.expand_dims(image, axis=0) #增加一个维度img_dag = ImageDataGenerator(rotation_range=30, width_shift_range=0.1,height_shift_range = 0.1, shear_range = 0.2, zoom_range = 0.2,horizontal_flip = True, fill_mode = "nearest") #旋转，宽度移动范围，高度移动范围，裁剪范围，水平翻转开启，填充模式img_generator = img_dag.flow(image, batch_size=1,save_to_dir=img_output_path,save_prefix = "image", save_format = "jpg")#测试一张图像bath_size=1count =0 #计数器for img in img_generator:count += 1if count == 15:  #生成多少个样本后退出breakif __name__=="__main__":image_path ="E:\\yu\\work\\python_work\\input\\huanxiong.jpg"image_out_path = "E:\\yu\\work\\python_work\\output"date_enhancement(image_path,image_out_path)

原图：

效果图：