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：

1. Flip（翻转）
2. Rotation（旋转）
3. Scale（缩放）
4. Random Move&Crop（移位&裁剪）
5. Gaussian Noise（高斯噪声）

前4个操作都是由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(),              #水平翻转
                       transforms.RandomVerticalFlip(),                #竖直翻转
                       transforms.RandomRotation(15),                  #旋转，范围-15°~15°
                       transforms.RandomRotation([90, 180, 270]),      #从三个角度中挑一个旋转
                       transforms.Resize([32, 32]),                    #缩放
                       transforms.RandomCrop([28, 28]),                #随机裁剪  
                       transforms.ToTensor(),
                       # transforms.Normalize((0.1307,), (0.3081,))
                   ])),
    batch_size=batch_size, shuffle=True)