Вот пример использования класса ImageDataGeneratorв Python:

from tensorflow.keras.preprocessing.image import ImageDataGenerator
# Create an instance of ImageDataGenerator
datagen = ImageDataGenerator(
    rotation_range=30,  # Randomly rotate images by 30 degrees
    width_shift_range=0.2,  # Randomly shift images horizontally by 20% of the total width
    height_shift_range=0.2,  # Randomly shift images vertically by 20% of the total height
    shear_range=0.2,  # Apply shear transformation with a shear intensity of 0.2
    zoom_range=0.2,  # Randomly zoom images by 20%
    horizontal_flip=True,  # Randomly flip images horizontally
    fill_mode='nearest'  # Fill any newly created pixels after rotation or shifting
)
# Load and preprocess your image data
train_generator = datagen.flow_from_directory(
    'path/to/train_data_directory',
    target_size=(224, 224),
    batch_size=32,
    class_mode='categorical'
)
# Use the generator to train your model
model.fit(train_generator, epochs=10)

В этом примере мы создаем экземпляр ImageDataGeneratorи указываем различные методы увеличения, такие как вращение, сдвиг, сдвиг, масштабирование и переворот. Затем мы используем генератор для предварительной обработки и дополнения данных изображения во время обучения модели.