有一个细节,在导入图像时,自动对图像做了归一化,变到[0,1]之间,所以后面transforms.Normalize()时设置均值0.5,标准差0.5也没什么问题。
关于深度学习做图像训练集和测试集切分
使用 torch.utils.data.random_split() 比 train_test_split() 好
关于数据增强
由于数据增强里的操作:随即裁剪,随机旋转等,增强体现在每个epoch增强操作是随机的,使得每一个epoch里面图像和上一个epoch不同。所以不需要提前对图像增强好再输入模型。
关于模型训练
如果不能确定回归任务模型训练出的mse的好坏的话,在没有baseline的情况下,可以尝试计算一下y和y均值的mse,然后比较一下,可以对mse的好坏做初步判断