【动手学习pytorch笔记】17.数据增广

最新推荐文章于 2025-06-06 17:45:21 发布

原创

最新推荐文章于 2025-06-06 17:45:21 发布 · 735 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习

本文介绍了深度学习中常用的图像增广技术，包括翻转、裁剪、颜色变化等，以增强模型的泛化能力。通过示例展示了不同增广方法对图像的影响，如随机水平和垂直翻转、随机大小裁剪以及调整亮度、对比度、饱和度和色调。最后，演示了如何组合多种图像增广方法以进一步丰富训练数据。

图像增广

%matplotlib inline
import torch
import torchvision
from torch import nn
from d2l import torch as d2l

原图

d2l.set_figsize()
img = d2l.Image.open('../img/cat1.jpg')
d2l.plt.imshow(img);

在这里插入图片描述

大多数图像增广方法都具有一定的随机性。为了便于观察图像增广的效果，我们下面定义辅助函数apply。此函数在输入图像img上多次运行图像增广方法aug并显示所有结果。

def apply(img, aug, num_rows=

最低0.47元/天解锁文章

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

YMK_0

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

系统学习Pytorch笔记三：Pytorch数据读取机制(DataLoader)与图像预处理模块(transforms)

Miracle8070

04-17

7万+

Pytorch官方英文文档：https://pytorch.org/docs/stable/torch.html? Pytorch中文文档：https://pytorch-cn.readthedocs.io/zh/latest/ 1. 写在前面疫情在家的这段时间，想系统的学习一遍Pytorch基础知识，因为我发现虽然直接Pytorch实战上手比较快，但是关于一些内部的原理知识其实并不是太懂，这样...

【PyTorch】torch.utils.data.Dataset 介绍与实战

weixin_44211968的博客

03-25

2万+

本文介绍了 torch.utils.data.Dataset

参与评论您还未登录，请先登录后发表或查看评论

Pytorch 数据增广（Data Augmentation）

负负得正的博客

05-02

2580

Pytorch 数据增广（Data Augmentation） 0. 环境介绍环境使用 Kaggle 里免费建立的 Notebook 教程使用李沐老师的动手学深度学习 网站和视频讲解小技巧：当遇到函数看不懂的时候可以按 Shift+Tab 查看函数详解。 1. 简介图像增广在对训练图像进行一系列的随机变化之后，生成相似但不同的训练样本，从而扩大了训练集的规模。此外，应用图像增广的原因是，随机改变训练样本可以减少模型对某些属性的依赖，从而提高模型的泛化能力。例如，我们可以以不同的方式裁剪图像，

pytorch数据增广

qq_16130715的博客

09-06

4209

常用的数据增广方法 1. 对图片进行按比例缩放 2. 对图片进行随机位置的截取 3. 对图片进行随机的水平和竖直翻转 4. 对图片进行随机角度的旋转 5. 对图片进行亮度、对比度和颜色的随机变化下面使用torchvision演示一下这些数据增强方法。 123import sysfrom PIL import Imagefrom to...

沐神深度学习笔记

weixin_52663081的博客

08-25

343

import torch import numpy as np x = torch.arange(12) print(x) print("类型，，数组形状",x.shape) print("x的种类，是个标量",x.numel) print("change x shape\n",x.reshape(3,4)) x1 = torch.zeros(2,3,4) print("全0，数组\n",x1) x2 = torch.ones(2,3,4) print("全1\n",x2) ####特定数组 x3 = t.

Pytorch - 数据增广

Life And Code

10-26

680

数据增广是深度学习中常用的技巧之一，主要用于增加训练数据集，让数据集尽可能的多样化，使得训练的模型具有更强的泛化能力．现有的各大深度学习框架都已经自带了数据增广，但是平时在用的使用只是直接调用了对应的接口函数，而没有进行详细的分析．在实际应用中，并非所有的增广方式都适用当前的训练数据，你需要根据自己的数据集特征来确定应该使用哪几种数据增广方式．

Pytorch：数据增强

weixin_47255403的博客

12-05

1616

介绍数据的预处理模块transforms的运行机制，了解一些transforms中常用的图像预处理方法，简要了解transforms的运行机制并了解数据标准化(Normalize)的使用原理。

动手学深度学习13.1. 图像增广-笔记&练习（PyTorch）含Kaggle平台运行方法

最新发布

scdifsn的博客

06-06

740

李沐老师《动手学深度学习（PyTorch版）》13.1. 图像增广-笔记&练习详解

个人学习笔记7-1：动手学深度学习pytorch版-李沐

浪子L的博客

09-10

1447

主要记录学习笔记，学习书目为李沐老师的《动手学习深度学习》重预备知识开始记录。开源书籍地址：https://zh-v2.d2l.ai/chapter_preface/index.htmll 李沐老师B站视频：https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497

利用pytorch图像增广

Gowi的博客

03-15

1443

利用pytorch图像增广图像增广（image augmentation）技术通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。图像增广的另一种解释是，随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的泛化能力。简单说就是，通过一些技巧，让图像数据变多；图像增广基于现有训练数据生成随机图像从而应对过拟合。 import sys from IP...

《动手学深度学习》学习笔记

01-06

文本预处理常见的四个步骤：读入文本分词建立字典，将每个词映射到一个唯一的索引（index）将文本从词的序列转换为索引的序列，方便输入模型 import collections import re def read_time_machine(): with open('/home/kesci/input/timemachine7163/timemachine.txt', 'r') as f: lines = [re.sub('[^a-z]+', ' ', line.strip().lower()) for line in f] return li

pytorch模型构建（二）——datasets部分之数据增广及其他数据处理

weixin_39263657的博客

12-01

4558

一、简介 1. 图像中数据增强目的及分类概述：目的：增量丰富多样性提高模型泛化能力（尽可能的使得训练的数据与真实场景中的数据分布一致。）原则：保持标签一致(相应的转换) 针对业务场景(例如路标箭头检测就不要用翻转了) 不要引入无关的数据。方法：单样本：主要包括翻转，旋转，扭曲，图像仿射变换，缩放，压缩，随机crop，随机padding，HSV变换，噪声，模糊，图像(feature map)区域随机擦除，风格转换(GAN)，GAN网络生成等。多样本主要包括 mosaic，Mi

PyTorch 1.0 中文官方教程：数据加载和处理教程

热门推荐

龙哥盟

01-25

3万+

译者：yportne13 作者：Sasank Chilamkurthy 在解决机器学习问题的时候，人们花了大量精力准备数据。pytorch提供了许多工具来让载入数据更简单并尽量让你的代码的可读性更高。在这篇教程中，我们将学习如何加载和预处理/增强一个有价值的数据集。在运行这个教程前请先确保你已安装以下的包: scikit-image: 图形接口以及变换 pandas: 便于处理csv文件 ...

Pytorch中的图像增广和预处理方法（transforms类）

hanmo22357的博客

03-25

2999

它可以将图像中的像素值转换为0到1之间的标准化数值，并调整图像的通道顺序，使其符合PyTorch模型的输入要求。函数应该放在最后一个位置，以便将图像转换为PyTorch Tensor格式的图像，并确保其他所有的transform都在Tensor转换之前完成。函数是一种将多个数据增强操作组合在一起的函数。函数是两个可以实现数据增强的函数，可以将输入的图像进行随机垂直翻转和随机水平翻转，从而增加数据集的多样性。函数可以帮助我们方便地实现复杂的数据增强操作，同时也可以使我们的代码更加简洁和易读。

CV数据增强（data_augmentation.py）代码实现-图片左右翻转和上下翻转

yscript的博客

04-23

206

在CV中经常需要用到数据增强（data augmentation）。本文代码实现了图片左右翻转和上下翻转的任务。

动手学深度学习（九、深度学习优化算法）

jiangchao98的博客

04-11

2017

动手学深度学习（九、深度学习优化算法）参考链接：优化算法一、优化与深度学习 由于优化算法的目标函数通常是一个基于训练数据集的损失函数，优化的目标在于降低训练误差。由于深度学习模型参数通常都是高维的，目标函数的鞍点通常比局部最小值更常见。优化与深度学习的关系，以及优化在深度学习中的挑战。在一个深度学习问题中，我们通常会预先定义一个损失函数。有了损失函数以后，我们就可以使用优化算法试图将其最小化。在优化中，这样的损失函数通常被称作优化问题的目标函数（objective function）。依据惯

动手学深度学习v2解惑记录

qq_42750982的博客

05-28

2469

1.数据操作（jupyter notebook运行快捷键：ctrl+回车）什么是张量(Tensor)？看过这篇文章就懂了。 2.数据预处理实现 3.矩阵计算 (1)y是标量，x是列向量，那么y对x求导是一个行向量。计算y关于x每个分量的梯度，梯度跟等高线是正交的，意味着梯度指向的是值增加得最快的那个方向，那么负梯度就是下降得最快得那个方向。 (2)y是向量，x是标量，那么y对x求导是一个列向量。 (3)x,y都是向量 4.自动求导例子就看视频理解，自动求导是怎么实现

Pytorch 图像增强实现翻转裁剪色调等附代码（全）

码农研究僧的博客

11-22

3769

python之Matplotlib详细分析（附代码）数据比较少的时候使用数据增强是一个不错的选择# 此处的Path 该项目的相对路径或者绝对路径 # 读取显示照片 image = Image . open('Gym.jpg') print(image . size) image截图如下：(图片展示不全)数据增强的处理方式有如下。

pytorch——transforming and augmenting images(转换和图像增强)

weixin_51396863的博客

05-04

2008

此文章为记录pytorch中图像增广技术，方便此后查阅，无参考价值请参考pytorch 官方说明 1)变换的组合，要想将多个变换组合在一起，请使用Compose 2)在中心剪裁给定的图像CenterCrop(size), 3)随机更改图像的亮度、对比度、饱和度和色度ColorJitter(brightness=0, contrast=0, saturation=0, hue=0)，参数为浮点数或者tuple，例如0.5表示（0.5，1.5）的改变 4)以给定的概率随机水平翻转给定的图像RandomHo.

李沐深度学习笔记数据增广

01-07

### 李沐深度学习笔记中的数据增广技术细节在处理图像分类任务时，为了提升模型性能并增强其泛化能力，采用数据增广是一种有效手段。通过应用各种变换操作于原始图片之上，不仅能够扩充可用的数据量，而且有助于...