data augmentation

最近在看cnn进行图片分类的网络，跑在food-11数据集上
其中一步就是要对已有的labeled data进行数据强化
使用torchvision的transforms可以实现对图片的转换,记录几个常用的transforms
transforms作为参数传递给创建Dataset的函数中，更具体的说，是作用在get_item()这个函数里
在一个epoch的训练中，是每次一个batch的取数据的。对于一些随机的transforms来说，在一个batch里，transforms产生的变化是唯一的，但是在每一个batch中，造成的效果可以不同

Compose

将多个转化组合在一起

transforms.Compose([
    transforms.CenterCrop(10),
    transforms.ToTensor(),
])  

Resize

将图片的大小设置为指定的尺寸，可以以[H,W]的形式给出来，也可以指定一个整数，则为L*L
效果：

CenterCrop

在图片的中心进行裁剪，与resize同理，可以指定大小
效果:

Grayscale

将图片变为灰度图
效果：

RandomPerspective

将图片进行随机的透视,可以设置失真度(默认0.5)和随机透视的概率(默认50%)
效果：

RandomHorizontalFlip

RandomVerticalFlip与之类似，将图片进行水平或垂直的翻转，需要设置将其变化的概率，默认为0.5
效果：

Data augmentation from torchvision 简单记录

原文：https://www.cnblogs.com/traver/p/15185281.html