引用1
引用2
引用3

• 之前一直搞不清出PyTorch的transform的作用原理以及应该如何使用pytorch做数据增强，看了上面的引用中的回答总算明白了，在从dataloader中获取训练数据的时候(获取每个epoch的时候)他会把下面Compose里面的transform都做一遍，但是由于里面有的操作有random属性（下面例子中只有RandomHorizontlFlip有随机属性，有的epoch做有的epoch不做），所以每个epoch对图片的处理方式都不尽相同，所以到达了数据增强的目的。

data_transform={'train':transforms.Compose([
                    transforms.RandomHorizontalFlip(),
                    transforms.Resize(image_size),
                    transforms.CenterCrop(image_size),
                    transforms.ToTensor(),
                    transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
                    ]),

image.png

• 可以通过这种方式将一个不是随机的transform变成一个随机的transform

  
  
  image.png

• 虽然名字没带随机，但是却是对图像亮度对比度进行了随机的变换。

  
  
  m
• 对图像进行随机的crop以后再resize成固定大小
  transforms.RandomResizedCrop(size=224, scale=(0.5, 1.0)),