pytorch中数据增强transforms.py详解

在实际应用过程中，我们会在数据进入模型之前进行一些预处理，例如数据中心化(仅
减均值)，数据标准化(减均值，再除以标准差)，随机裁剪，旋转一定角度，镜像等一系列
操作。PyTorch 有一系列数据增强方法供大家使用，下面将介绍这些方法。

1.裁剪——Crop

中心裁剪：transforms.CenterCrop
随机裁剪：transforms.RandomCrop
随机长宽比裁剪：transforms.RandomResizedCrop
上下左右中心裁剪：transforms.FiveCrop
上下左右中心裁剪后翻转，transforms.TenCrop

2.翻转和旋转——Flip and Rotation

依概率 p 水平翻转：transforms.RandomHorizontalFlip(p=0.5)
依概率 p 垂直翻转：transforms.RandomVerticalFlip(p=0.5)
随机旋转：transforms.RandomRotation

3.图像变换

resize：transforms.Resize
标准化：transforms.Normalize
转为 tensor，并归一化至[0-1]：transforms.ToTensor
填充：transforms.Pad
修改亮度、对比度和饱和度：transforms.ColorJitter
转灰度图：transforms.Grayscale
线性变换：transforms.LinearTransformation()
仿射变换：transforms.RandomAffine
依概率 p 转为灰度图：transforms.RandomGrayscale
将数据转换为 PILImage：transforms.ToPILImage
transforms.Lambda：Apply a user-defined lambda as a transform.

4.对 transforms 操作，使数据增强更灵活

transforms.RandomChoice(transforms)， 从给定的一系列 transforms 中选一个进行操作
transforms.RandomApply(transforms, p=0.5)，给一个 transform 加上概率，依概率进行操作
transforms.RandomOrder，将 transforms 中的操作随机打乱