在Keras中應用數據增強技術可以通過使用ImageDataGenerator類來實現。下面是一個簡單的示例代碼：
from keras.preprocessing.image import ImageDataGenerator
# 創建一個數據增強的生成器
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'
)
# 加載數據集
# 這里假設X_train和y_train是訓練集的特征和標簽數據
datagen.fit(X_train)
# 使用生成器來訓練模型
model.fit_generator(datagen.flow(X_train, y_train, batch_size=32),
steps_per_epoch=len(X_train) / 32, epochs=50)
在上面的代碼中，ImageDataGenerator類用于定義數據增強的方式，比如旋轉、平移、剪切、縮放、水平翻轉等。然后通過fit_generator方法來使用生成器來逐批次的訓練模型。
通過使用數據增強技術，可以有效地擴增訓練數據集，提高模型的泛化能力，減少過擬合。
