tf.keras.preprocessing.image.ImageDataGenerator的参数介绍

ImageDataGenerator的作用
1.图片生成器，负责批次生成图片训练数据；
2.图片增强
tensorflow官网给出ImageDataGenerator的参数定义：

tf.keras.preprocessing.image.ImageDataGenerator(
    featurewise_center=False, # featurewise_center: 布尔值。将输入数据的均值设置为 0，逐特征进行。
    samplewise_center=False, # samplewise_center: 布尔值。将每个样本的均值设置为 0。
    featurewise_std_normalization=False, # featurewise_std_normalization: Boolean. 布尔值。将输入除以数据标准差，逐特征进行。
    samplewise_std_normalization=False, # samplewise_std_normalization: 布尔值。将每个输入除以其标准差。
    zca_whitening=False, # zca_epsilon: ZCA 白化的 epsilon 值，默认为 1e-6。
    zca_epsilon=1e-06, # zca_whitening: 布尔值。是否应用 ZCA 白化。
    rotation_range=0, # rotation_range: 整数。随机旋转的度数范围。
    width_shift_range=0.0, 
    # width_shift_range: 浮点数、一维数组或整数
             #float: 如果 <1，则是除以总宽度的值，或者如果 >=1，则为像素值。
             # 1-D 数组: 数组中的随机元素。
             # int: 来自间隔 (-width_shift_range, +width_shift_range) 之间的整数个像素。
             # width_shift_range=2 时，可能值是整数 [-1, 0, +1]，与 width_shift_range=[-1, 0, +1] 相同；而 width_shift_range=1.0 时，可能值是 [-1.0, +1.0) 之间的浮点数。
    height_shift_range=0.0, 
    # height_shift_range: 浮点数、一维数组或整数
             # float: 如果 <1，则是除以总宽度的值，或者如果 >=1，则为像素值。
             #1-D array-like: 数组中的随机元素。
			 # int: 来自间隔 (-height_shift_range, +height_shift_range) 之间的整数个像素。
			 # height_shift_range=2 时，可能值是整数 [-1, 0, +1]，与 height_shift_range=[-1, 0, +1] 相同；而 height_shift_range=1.0 时，可能值是 [-1.0, +1.0) 之间的浮点数。
    brightness_range=None,  # brightness_range 元组或两个浮点数的列表。选择亮度偏移值的范围。
    shear_range=0.0, # shear_range: 浮点数。剪切强度（以弧度逆时针方向剪切角度）。
    zoom_range=0.0, # zoom_range: 浮点数 或 [lower, upper]。随机缩放范围。如果是浮点数，[lower, upper] = [1-zoom_range, 1+zoom_range]。
    channel_shift_range=0.0,  # channel_shift_range: 浮点数。随机通道转换的范围。
    fill_mode='nearest', 
    # fill_mode: {"constant", "nearest", "reflect" or "wrap"} 之一。默认为 'nearest'。输入边界以外的点根据给定的模式填充：
		# 'constant': kkkkkkkk|abcd|kkkkkkkk (cval=k)
		#'nearest': aaaaaaaa|abcd|dddddddd
		#'reflect': abcddcba|abcd|dcbaabcd
		#'wrap': abcdabcd|abcd|abcdabcd
    cval=0.0, # cval: 浮点数或整数。用于边界之外的点的值，当 fill_mode = "constant" 时。
    horizontal_flip=False,  # horizontal_flip: 布尔值。随机水平翻转。
    vertical_flip=False,  # vertical_flip: 布尔值。随机垂直翻转。
    rescale=None,  # rescale: 重缩放因子。默认为 None。如果是 None 或 0，不进行缩放，否则将数据乘以所提供的值（在应用任何其他转换之前）。
    preprocessing_function=None, # 前运行。这个函数需要一个参数：一张图像（秩为 3 的 Numpy 张量），并且应该输出一个同尺寸的 Numpy 张量。
    data_format=None, 
    # data_format: 图像数据格式，{"channels_first", "channels_last"} 之一。
    # "channels_last" 模式表示图像输入尺寸应该为 (samples, height, width, channels)，
    # "channels_first" 模式表示输入尺寸应该为 (samples, channels, height, width)。
    # 默认为 "channels_last"。
    validation_split=0.0,  # validation_split: 浮点数。Float. 保留用于验证的图像的比例（严格在0和1之间）。
    dtype=None # dtype: 生成数组使用的数据类型。
)

参考：

https://tensorflow.google.cn/api_docs/python/tf/keras/preprocessing/image/ImageDataGenerator
https://keras.io/zh/preprocessing/image/
https://www.cnblogs.com/Dean0731/p/12341141.html