26:如何针对有限的数据量进行优化-数据增强

1:数据量小的几种解决方案:

 [注]减小的参数量.规范化迫使一部分参数接近于0.数据增强.

2:Data argumentation 数据增强

 (2.1)Flip翻转

 [注]

RandomHorizontalFlip()水平翻转

RandomVerticalFlip()竖直翻转

这里的Random实现了可以执行水平(竖直)翻转,也可以不执行水平(竖直)翻转,进行下一步.

(2.2)旋转Rotate

 [注]RandomRotation()可以实现固定角度的旋转RandomRotation(pa1),也可以实现对个角度随机旋转一个角度RandomRotation([pa1,pa2........]).

(2.3)Scale缩放

resize([pa1,pa2])

(2.4)Grop part随机的裁剪

RandomCrop([pa1,pa2])

 [注]transform是由包torchvision提供,compose类似于一个sequential容器可以将多个操作打包成一个操作.

 (2.5)noise噪声

pytorch中未提供,需要人工的在numpy中实现.