本文共 741 字，大约阅读时间需要 2 分钟。

在从dataloader中获取训练数据的时候(获取每个epoch的时候)pytorch会把下面Compose里面的transform都做一遍，但是由于里面有的操作有random属性（下面例子中只有RandomHorizontlFlip有随机属性，有的epoch做有的epoch不做），所以每个epoch对图片的处理方式都不尽相同，所以到达了数据增强的目的。然而每个epoch的的图片数量是不变化的。

data_transform={'train':transforms.Compose([ transforms.RandomHorizontalFlip(), transforms.Resize(image_size), transforms.CenterCrop(image_size), transforms.ToTensor(), transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225]) ]), 如果你是CenterCrop操作因为这是一个确定的操作，就是每个图片在输进模型的时候都进行中间裁剪，不论多少个epoch还是相当于在训练这100个图片，如果是0.5概率的randomCrop操作，因为这个随机属性的存在每个epoch拿到的训练数据都不尽相同（有的epoch进行了裁剪，有的epoch没有进行裁剪，但是一个epoch的训练数据都是100个），在多个epoch以后相当于你用200张图片在训练，达到了数据增强的目的。

如果是FiveCrop 和TenCrop操作又和上面的两种crop机制不一样，这两个才是是直接增加每个epoch的数据，将每个epoch中数据增加为了500张和1000张。

转载地址：http://ldzfi.baihongyu.com/