pytorch的數據增強功能并非是事先對整個數據集進行數據增強處理，而是在從dataloader中獲取訓練數據的時候(獲取每個epoch的時候)才進行數據增強。

舉個例子，如下面的數據增強代碼：

transform_train = transforms.Compose([transforms.RandomCrop(32, padding=4), # 對圖像四周各填充4個0像素，然后隨機裁剪成32*32transforms.RandomHorizontalFlip(), # 按0.5的概率水平翻轉圖片transforms.ToTensor(),transforms.Normalize((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010)), ])

假設數據集一共有100張圖片，pytorch并非對數據集中的每張圖片進行隨機裁剪，再隨機翻轉，將數據集擴增到200張，然后用這固定的200張圖來訓練網絡，這是錯誤的理解。

正確的理解應該是dataloader在每次生成epoch時才對數據集進行以上數據增強操作。由于數據增強有些操作是具有隨機性的（例如上面的隨機裁剪和隨機翻轉），導致每次epoch產生的數據都不相同，例如同一張圖片在有的epoch翻轉了，在有的epoch沒有翻轉，或者同一張圖片在各個epoch裁剪的位置不一樣，所以每次用來訓練的數據不相同，到達了數據增強的目的。

當然，有些數據增強操作不具有隨機性，如CenterCrop，每次都是對圖片中間位置進行裁剪，不管在哪個epoch，裁剪出來的圖片都一樣。

總結

以上是生活随笔為你收集整理的pytorch实现数据增强的原理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。