含資料增強的 Dataset
你已經用雲朵圖片建立了影像資料集，並實作了用來分類不同雲朵類型的卷積模型。開始訓練之前，先為資料集加入可能提升雲朵分類效能的資料增強。
設定 Dataset 與 DataLoader 的程式碼已經為你準備好，而且應該很眼熟。你的工作是定義一組要套用在載入中輸入影像上的轉換組合。
先前你將影像縮放為 128×128 以便好看地顯示；但現在為了加快訓練，會改用更小的影像。接下來你會看到，64×64 對模型學習已經足夠。
from torchvision import transforms 已經替你執行好了，開始動手吧！
本練習屬於課程
Intermediate Deep Learning with PyTorch
練習說明
- 透過組合五個轉換來定義
train_transforms：隨機水平翻轉、隨機旋轉（角度介於 0 到 45 度）、隨機自動對比調整、轉換為張量，以及將大小調整為 64×64 像素。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Define transforms
train_transforms = transforms.Compose([
____,
____,
____,
____,
____,
])
dataset_train = ImageFolder(
"clouds_train",
transform=train_transforms,
)
dataloader_train = DataLoader(
dataset_train, shuffle=True, batch_size=16
)