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，使感兴趣的对象出现在不同的位置，减少模型对于对象出现位置的依赖。我们还可以调整亮度、颜色等因素来降低模型对颜色的敏感度。可以说，图像增广技术对于AlexNet的成功是必不可少的。在本节中，我们将讨论这项广泛应用于计算机视觉的技术。

增强一个已有数据集，使得有更多的多样性

在语言里面加入各种不同的背景噪音
改变图片的颜色和形状
翻转，切割等操作

2. 常用的图像增广方法

2.0 导入图片

老师的测试图片地址：
https://raw.githubusercontent.com/d2l-ai/d2l-zh/master/img/cat1.jpg
如果你和我一样用的 kaggle，可以在右侧添加数据集：

输入：https://www.kaggle.com/datasets/xenxiou/dive-into-deep-learning-image
（这个是我自己上传的，当然了，你也可以自己上传自己的数据集，可以点右上角的 Upload 自行上传）
点击 Add 即可：

导入图片：

!pip install -U d2l
%matplotlib inline
import torch
import torchvision
from torch import nn
from d2l import torch as d2ld2l.set_figsize()
img = d2l.Image.open('../input/dive-into-deep-learning-image/img/cat1.jpg')
d2l.plt.imshow(img)

定义 apply 函数，该函数在输入图像 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=2, num_cols=4, scale=1.5):Y = [aug(img) for _ in range(num_rows * num_cols)]d2l.show_images(Y, num_rows, num_cols, scale=scale)

2.1 翻转和裁剪

随机（50%50\%50% 概率）水平翻转：

apply(img, torchvision.transforms.RandomHorizontalFlip())

随机（50%50\%50% 概率）上下翻转：

apply(img, torchvision.transforms.RandomVerticalFlip())

随机裁剪一个面积为原始面积 10%10\%10% 到 100%100\%100% 的区域，该区域的宽高比从 0.50.50.5 到 222 之间随机取值，区域的宽度和高度都被 resize 到 200×200200 \times 200200×200像素：

shape_aug = torchvision.transforms.RandomResizedCrop((200, 200), scale=(0.1, 1), ratio=(0.5, 2))
apply(img, shape_aug)

2.2 改变颜色

我们可以改变图像颜色的四个方面：亮度（brightness）、对比度（contrast）、饱和度（saturation）和色调（hue）。

我们随机更改图像的亮度，随机值为原始图像的 50%50\%50%（1−0.51-0.51−0.5）到 150%150\%150%（1+0.51+0.51+0.5）之间。

apply(img, torchvision.transforms.ColorJitter(brightness=0.5, contrast=0, saturation=0, hue=0))

我们可以随机更改图像的色调：

apply(img, torchvision.transforms.ColorJitter(brightness=0, contrast=0, saturation=0, hue=0.5))

同时随机更改图像的亮度（brightness）、对比度（contrast）、饱和度（saturation）和色调（hue）：

color_aug = torchvision.transforms.ColorJitter(brightness=0.5, contrast=0.5, saturation=0.5, hue=0.5)
apply(img, color_aug)

2.3 结合多种图像增广方法

可以通过使用一个 Compose 实例来综合上面定义的不同的图像增广方法，并将它们应用到每个图像：

augs = torchvision.transforms.Compose([torchvision.transforms.RandomHorizontalFlip(), color_aug, shape_aug])
apply(img, augs)

3. 使用数据增广进行训练

3.1 加载 CIFAR-10 数据集

使用 CIFAR-10 数据集：

all_images = torchvision.datasets.CIFAR10(train=True, root="../data",download=True)
d2l.show_images([all_images[i][0] for i in range(32)], 4, 8, scale=0.8)

为了在预测过程中得到确切的结果，我们通常对训练样本只进行图像增广，且在预测过程中不使用随机操作的图像增广。在这里，我们只使用最简单的随机左右翻转。此外，我们使用 ToTensor 实例将一批图像转换为深度学习框架所要求的格式，即形状为（批量大小，通道数，高度，宽度）的 323232 位浮点数，取值范围为 000 到 111：

train_augs = torchvision.transforms.Compose([torchvision.transforms.RandomHorizontalFlip(),torchvision.transforms.ToTensor()])test_augs = torchvision.transforms.Compose([torchvision.transforms.ToTensor()])

定义一个辅助函数，以便于读取图像和应用图像增广，PyTorch 数据集提供的 transform 函数应用图像增广来转化图像：

def load_cifar10(is_train, augs, batch_size):dataset = torchvision.datasets.CIFAR10(root="../data", train=is_train,transform=augs, download=True)dataloader = torch.utils.data.DataLoader(dataset, batch_size=batch_size,shuffle=is_train, num_workers=4)return dataloader

3.2 GPU 训练

李沐老师的环境是有多 GPU 的，我 kaggle 上只有一个 GPU，所以只用一个 GPU 训练了