我注意到tf 2.8也有同样的问题。当你测试增强层时，可以通过add training =True来解决这个问题：

aug = data_augmentation(image,training=True)

原因是增强层在训练和预测（推理）中的行为不同，即它在训练中做增强，而在预测中什么也不做。理想情况下，该层应该根据情况灵活地设置training= argument。显然，上面的代码中它并不智能：它不知道您的意图是测试该层。
但我认为在构建完整模型时，仍然应该将训练参数作为默认值，让扩展层来完成这项工作。

无法从单个输出中查看增强效果。请设置一个范围以查看增强效果。

data_augmentation = tf.keras.Sequential([
  tf.keras.layers.RandomFlip("horizontal_and_vertical",seed=5),
  tf.keras.layers.RandomRotation(0.5),
])
for i in range(4):
  aug = data_augmentation(image)
  plt.imshow(aug.numpy().astype('uint8'))
  plt.show()

让我告诉你，这里有一个很大的数据扩充修正，数据没有被扩充。

`data_augmentation = tf.keras.Sequential([
  tf.keras.layers.RandomFlip("horizontal_and_vertical",seed=5),
  tf.keras.layers.RandomRotation(0.5),
])
for i in range(4):
  aug = data_augmentation(image, training = True)
  plt.imshow(aug.numpy().astype('uint8'))
  plt.show()`

现在它应该工作了，你的图像应该被增强了。这是一个错误，应该在下一次更新中修复，我想是的。