ImageDataGenerator重新缩放图像，在某个范围内应用剪切，缩放图像并对图像进行水平翻转。此ImageDataGenerator包含图像的所有可能方向。

train_datagen.flow_from_directory是用于从train_dataset目录准备数据的函数，用于Target_size指定图像的目标大小。

test_datagen.flow_from_directory用于为模型准备测试数据，所有都与上面类似。

fit_generator用于将数据拟合到上面建立的模型中，使用的其他因素steps_per_epochs告诉我们模型将为训练数据执行的次数。

epochs告诉我们模型将在前向和后向传递中训练的次数。

validation_data用于将验证/测试数据提供给模型。

validation_steps表示验证/测试样本的数量。

train_datagen = ImageDataGenerator(

rescale=1. / 255,

shear_range=0.2,

zoom_range=0.2,

horizontal_flip=True)

test_datagen = ImageDataGenerator(rescale=1. / 255)

train_generator = train_datagen.flow_from_directory(

train_data_dir,

target_size=(img_width, img_height),

batch_size=batch_size,

class_mode='binary')

validation_generator = test_datagen.flow_from_directory(

validation_data_dir,

target_size=(img_width, img_height),

batch_size=batch_size,

class_mode='binary')

model.fit_generator(

train_generator,

steps_per_epoch=nb_train_samples // batch_size,

epochs=epochs,

validation_data=validation_generator,

validation_steps=nb_validation_samples // batch_size)