神经网络实战记录14—调参技巧5—如何将图像增强技巧添加到已有的code中（基于VGGTensorboard）

方法一：
在计算图的构建中，把图像增强的方法应用到x_image中去；

方法二：
在feed_dict传入图像之前，将图像从一维向量变为三维向量，即在feed_dict之前就将图像做处理；

*本文使用方法一：

1.修改输入：
将：

改为：

将：

改为：

将：

因为x_image已经是一个四维的向量，所以就不需要再reshape了

2.处理cifar10样本的三种技术：
（1）随机翻转：

（2）光照：

（3）对比度：

3.将图像增强后的效果加到模型中去：

因为api要求必须是三维的（即一张图像）图像，而我们的图像是四维的（即很多张），所以要将这些图像一张一张做拆分，然后在单个的图像上做图像增强，然后再把单个的图像合并起来（即还是变成一个minibatch）：

（1）将batchsize的定义挪到上面去,j再将x，y里的none改成batchsize：

原：

现：

（2）这样x就可以进行切分了：

（3）设置一个数组来保留切分后的结果：

（4）对x中的每个图像都做这个数据增强：

（5）合并数组，将reshape再变回来：

把初始后的结果添加到列表中去：

再把最后的列表合并成minibatch：

（6）对这个minibatch做归一化：

以上就可以打印出来了经过图像增强后的一个结果

4.训练效果：