你在推理时不需要那个。这是出于培训目的。
您可以在导出到 JavsScript 时跳过这些层。这些层没有权重。

在这个包含这些图层的示例 [ Link ] 中，我删除了这些图层并且效果很好。

# Added this code to remove the first 4 Aug layers

input = model.input
model_export = input

for layer in model.layers[4:]:
    model_export = layer(model_export)

model_export = keras.Model(input, model_export)

预测输出- 此图像最有可能属于具有 100.00% 置信度的向日葵。

之前的模型（初始层）

模型之后

数据增强基本上是一种通过应用随机（但现实）变换（例如图像旋转）来增加训练集多样性的技术。在更多数据上训练深度学习神经网络模型可以产生更熟练的模型，而增强技术可以创建图像的变体，从而提高拟合模型将所学知识推广到新图像的能力。因此，您可以降低过拟合率或采取一些预防措施。

Keras 深度学习神经网络库提供了通过 ImageDataGenerator 类使用图像数据增强来拟合模型的能力。通过使用这个类，您可以使用它的许多功能来修改数据集。