Pytorch自定义transform数据增强

1、数据增强

数据增强在缓解模型过拟合的问题上是非常给力的一种方法，虽然pytorchvision官方提供了一些数据增强，但是不一定能跟得上你具有创造性的想象力，你希望能自己定义一些数据增强的方法。

事实上我们自己写一个函数对图像进行一些处理是比较简单的，但是如何融入到transforms中去，而不影响训练时数据的加载？

2、transforms.Lambda

这个类文档中描述为“Apply a user-defined lambda as a transform.”，帮助用户自定义作为transform，下面给出实例代码，一看就懂

from torchvision import transforms as T

# 你自己的数据增强函数
def img_crop(img, pos, dst_size):
    # ...
    return crop_img


transform = T.Compose([
	#Lambda就是对每一个img都进行img_crop处理
    T.Lambda(lambda img: img_crop(img, (3, 3), 40)),
    T.ToTensor()])