Pytorch-数据增强

比如，你遇到的一个任务，目前只有小几百的数据，然而目前流行的最先进的神经网络都是成千上万的图片数据，可以通过数据增强来实现。

常用的数据增强手段：

Flip（翻转）
Rotation（旋转）
Scale（缩放）
Random Move&Crop（移位&裁剪）
Gaussian Noise（高斯噪声）

前4个操作都是由torchvision包中的transforms完成的。

 1 train_loader = torch.utils.data.DataLoader(
 2     datasets.MNIST('datasets/data', train=True, download=True,
 3                    transform=transforms.Compose([
 4                        transforms.RandomHorizontalFlip(),              #水平翻转
 5                        transforms.RandomVerticalFlip(),                #竖直翻转
 6                        transforms.RandomRotation(15),                  #旋转，范围-15°~15°
 7                        transforms.RandomRotation([90, 180, 270]),      #从三个角度中挑一个旋转
 8                        transforms.Resize([32, 32]),                    #缩放
 9                        transforms.RandomCrop([28, 28]),                #随机裁剪  
10                        transforms.ToTensor(),
11                        # transforms.Normalize((0.1307,), (0.3081,))
12                    ])),
13     batch_size=batch_size, shuffle=True)