PyTorch 学习笔记（八）：图像增强、ResNet完成Cifar10分类

一. 图像增强的方法

一直以来，图像识别这一计算机视觉的核心问题都面临很多挑战，同一个物体在不同情况下都会得出不同的结论。对于一张图片，我们看到的是一些物体，而计算机看到的是一些像素点。

如果拍摄照片的照相机位置发生了改变，那么拍得的图片对于我们而言，变化很小，但是对于计算机而言，图片得像素变化是很大得。拍照时得光照条件也是很重要的一个影响因素：光照太弱，照片里的物体会和背景融为一体，它们的像素点就会很接近，计算机就无法正确识别出物体。除此之外，物体本身的变形也会对计算机识别造成障碍，比如一只猫是趴着的，计算机能够识别它，但如果猫换个姿势，变成躺着的状态，那么计算机就无法识别了。最后，物体本身会隐藏在一些遮蔽物中，这样物体只呈现出局部的信息，计算机也难以识别。

针对这些问题，我们希望可以对原始图片进行增强，在一定程度上解决部分问题。在PyTorch中已经内置了一些图像增强的方法，不需要再繁琐地去实现，只需要简单的调用。

torchvision.transforms包括所有图像增强的方法：

• 第一个函数是 Scale，对图片的尺寸进行缩小或者放大；
• 第二个函数是 CenterCrop，对图像正中心进行给定大小的裁剪；
• 第三个函数是 RandomCrop，对图片进行给定大小的随机裁剪；
• 第四个函数是 RandomHorizaontalFlip，对图片进行概率为0.5的随机水平翻转；
• 第五个函数是 RandomSizedCrop，首先对图片进行随机尺寸的裁剪，然后再对裁剪的图片进行一个随机比例的缩放，最后将图片变成给定的大小，这在InceptionNet中比较流行；
• 最后一个是 pad，对图片进行边界零填充；

上面介绍了PyTorch内置的一些图像增强的方法，还有更多的增强方法，可以使用OpenCV或者PIL等第三方图形库实现。在网络的训练的过程中图形增强是一种常见、默认的做法，对多任务进行图像增强之后能够在一定程度上提升任务的准确率。

二. 实现 CIFAR-10 分类

cifar 10数据集有60000张图片，每张图片都是 32x32 的三通道的彩色图，一共是10个类别，每种类别有6000张图片。下面实现ResNet来处