之前看深度學習的文章，基本都在數據預處理部分進行了數據增強。

什么旋轉、跳躍、我不停歇~

不對，不對。是旋轉、平移、裁剪等操作。

所以最近在做目標檢測時，廢話不多說，先把數據增強的代碼整上去！

from paddlex.det import transforms train_transforms = transforms.Compose([transforms.RandomDistort(),#transforms.RandomExpand(),transforms.RandomCrop(),transforms.RandomHorizontalFlip(),transforms.Normalize(),#transforms.ResizeByShort(short_size=800, max_size=1333),transforms.Padding(coarsest_stride=32) ])eval_transforms = transforms.Compose([transforms.Normalize(),#transforms.ResizeByShort(short_size=800, max_size=1333),transforms.Padding(coarsest_stride=32), ])

上面這段代碼是 paddle 框架中的數據增強接口，用了幾天發現有點不對勁，這貨一通操作后，具體把樣本擴充到多少張了？

這是個問題。

所以咨詢了 paddle 的開發人員后，發現這個數據增強接口 并沒有做數據擴充，只是對圖片進行變換，你大媽已經不是你大媽了，但是你最終還是只有一個大媽。

如果數量不變的話，數據增強有什么意義呢？菜雞的我又去 Github 上問了下。

“將訓練的epoch數增大，就等價于擴充了訓練時的圖像數量”，這句話很有哲理。

在一番搜索之后，這其實說的是 在線數據增強，一般常見的是 離線數據增強，也是就一次性把數據擴充好，用這個大數據集進行模型訓練。

而這樣的方式，在數據集很大時，就比較耗費空間，所以這時就可以采用 “在線數據增強”，也就是說在每個epoch進行訓練前，對數據集進行旋轉、平移等變換。等到下一次epoch時，只要數據增強方式夠多，并且每個方式都包含隨機因子，那么就可以保證每個epoch訓練的數據都是不一樣的，也就是說有多少輪epoch，我們就把數據擴充了多少倍。

本節煉丹小課堂就結束了，同學們下節課見~

猜你喜歡：👇🏻
?【算法】深度學習神經網絡都調哪些參數？
?【總結】一文了解所有的機器學習評價指標
?【總結】機器學習劃分數據集的幾種方法

總結

以上是生活随笔為你收集整理的【随笔】深度学习的数据增强还分在线和离线？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。