Pytorch-數據增強

比如，你遇到的一個任務，目前只有小幾百的數據，然而目前流行的最先進的神經網絡都是成千上萬的圖片數據，可以通過數據增強來實現。

常用的數據增強手段：

1. Flip（翻轉）
2. Rotation（旋轉）
3. Scale（縮放）
4. Random Move&Crop（移位&裁剪）
5. Gaussian Noise（高斯噪聲）

前4個操作都是由torchvision包中的transforms完成的。

train_loader = torch.utils.data.DataLoader(
    datasets.MNIST('datasets/data', train=True, download=True,
                   transform=transforms.Compose([
                       transforms.RandomHorizontalFlip(),              #水平翻轉
                       transforms.RandomVerticalFlip(),                #豎直翻轉
                       transforms.RandomRotation(15),                  #旋轉，范圍-15°~15°
                       transforms.RandomRotation([90, 180, 270]),      #從三個角度中挑一個旋轉
                       transforms.Resize([32, 32]),                    #縮放
                       transforms.RandomCrop([28, 28]),                #隨機裁剪  
                       transforms.ToTensor(),
                       # transforms.Normalize((0.1307,), (0.3081,))
                   ])),
    batch_size=batch_size, shuffle=True)