吴恩达deeplearning.ai:数据增强&数据合成&迁移学习

以下内容有任何不理解可以翻看我之前的博客哦：吴恩达deeplearning.ai专栏
让我们看看为你的程序添加数据的技巧。在构建神经网络的时候，我们总是想要更多的数据，但是获取更多的数据往往是十分昂贵又缓慢的。相反地，添加数据的另一种方法是专注于添加有帮助的数据。
在上一篇博客之中，我们提到了垃圾邮件识别器，其中解决提高系统性能的方法之一就是添加专门的某种类型数据，从而增强神经网络的性能。如今，研究人员如果发现神经网络在某种特定的数据上表现特别差，有一种方法能够做到只添加一点点数据，就可以大幅增强神经网络的表现，这叫做数据增强。

---

数据增强 Data Augmentation

手写识别

例如，如果你在做一个字母识别的神经网络，希望神经网络能够更好地识别字母A，那么你除了传入一张字母A作为数据，还可以将这张图片旋转一定角度，从而产生一个新的示例；或者将图片放大或者缩小一点；或者改变图片的对比度；如果不是对称图形，你也可以添加它的镜像等等。

另外一种常用的方法是，将图像放在网格之上，之后随机扭曲图像：