pytorch中数据增强-2

最新推荐文章于 2024-06-27 05:18:50 发布

原创最新推荐文章于 2024-06-27 05:18:50 发布 · 296 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#数据增强

pytorch相关专栏收录该内容

25 篇文章

订阅专栏

这篇博客探讨了深度学习中图像数据预处理的重要步骤，包括Resize、FiveCrop和TenCrop等技术的使用。通过Compose函数组合这些预处理操作，可以将输入图像转化为适合模型训练的格式。特别是TenCrop，它不仅进行水平翻转，还确保了数据增强的多样性，对于提升模型的泛化能力至关重要。

train_transform = transforms.Compose([
    transforms.Resize((224, 224)),

    # 1 FiveCrop
    # transforms.FiveCrop(112),  # 返回的是tuple元组，下面是对元组的转化
    # transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops])),

    # 2 TenCrop
    transforms.TenCrop(112, vertical_flip=True),  # vertical_flip=False===>水平翻转
    transforms.Lambda(lambda crops: torch.stack([(transforms.ToTensor()(crop)) for crop in crops])),

])

注意：data=[inputs, labels]

inputs.shape是一个5D张量