我正在尝试使用迁移学习和数据增强来训练模型。我的图像数据为32 x 32 x 3，我希望导入EfficientNet07，但每次运行

from tensorflow.keras.applications import EfficientNetB0
model = EfficientNetB0(weights='imagenet')

我收到错误消息：

ImportError: cannot import name 'EfficientNetB7' from 'tensorflow.keras.applications' (C:\Users\…..

我不情愿地恢复到resnet50，它工作得很好。但我真的希望与efficientnets一起工作。
其次，我希望在模型运行时使用keras.expermental.preprocessing层来增加数据，但是我得到了错误

from tensorflow.keras.layers.experimental import preprocessing
from tensorflow.keras.models import Sequential
from tensorflow.keras import layers

img_augmentation = Sequential(
    [
        preprocessing.RandomRotation(factor=0.15),
        preprocessing.RandomTranslation(height_factor=0.1, width_factor=0.1),
        preprocessing.RandomFlip(),
        preprocessing.RandomContrast(factor=0.1),
    ],
    name="img_augmentation",
)

AttributeError: module 'tensorflow.keras.layers.experimental.preprocessing' has no attribute 'RandomRotation'

我从https://keras.io/examples/vision/image_classification_efficientnet_fine_tuning/中提取了这些代码
我已经从头到尾读了三遍。我继续使用ImageDataGenerator并编写了以下代码

def choosen_args(args):
#this function is to randomly choose the augmentation techniques from the list available in keras

    key_list = []
    arg_list = list(args.keys())
    for i in range(len(arg_list)):
        if np.random.randint(2) == 0:
            pass
        else:
            key_list.append(arg_list[i])
    
    arg_dict = dict((k, args[k]) for k in key_list)
    return arg_dict

这是我正在使用的所有增强功能的列表-但只有少数会被选中进行最终转换

args = dict(
    rotation_range = 120,
    width_shift_range=0.4,
    height_shift_range=0.4,
    shear_range=0.2,
    zoom_range=0.2,
    fill_mode ='nearest',
    zca_whitening=True,
    zca_epsilon=1e-06,
    brightness_range=(9.0, 46.0),
    channel_shift_range=60.0,
    horizontal_flip=True,
    vertical_flip=True,
    rescale=random.randint(1,11))

data_augmentation_train = ImageDataGenerator( choosen_args(args) ) 
data_augmentation_validation = ImageDataGenerator( choosen_args(args) )

data_augmentation_train.fit(x_train, augment = True)
data_augmentation_validation.fit(x_test, augment = True)

请帮助：
1.如何获得有效的net07并利用其权重进行迁移学习
1.我所使用的数据增强代码-如何可视化它的功能-即转换图像
1.是否有更简单的方法来进行数据扩充-如何修复导入和属性错误
1.在我把我的数据放进生成器之后-我如何把它和我的迁移学习代码的其余部分一起使用。
基本模型= tf.keras.applications.ResNet50（权重="图像网"，

include_top = False, input_shape = input_size) 
> x_train = tf.keras.applications.resnet50.preprocess_input(x_train)
> x_test = tf.keras.applications.resnet50.preprocess_input(x_test)
> base_model.trainable = False

inputs = keras.Input(shape=(32, 32, 3))
    model = base_model_ResNet50(inputs, training=False)
    model = keras.layers.GlobalAveragePooling2D()(model )
    model= keras.layers.Flatten()(model)
    model = keras.layers.Dropout(0.2)(model)
    output = layers.Dense(100, activation="softmax")(model)
    
    history = model.fit(data_augmentation_train.flow (x_train, labels_train, batch_size = 64), validation_data =

数据_增强_验证.流（x_测试，标签_测试））
谢谢