带数据增强的数据集
您已经基于云朵图片构建了图像数据集，并搭建了用于分类不同云层类型的卷积模型。在训练之前，请通过添加数据增强来改造数据集，以提升模型在云层分类上的表现。
用于设置 Dataset 和 DataLoader 的代码已经为您准备好，应该看起来很熟悉。您的任务是定义要在加载输入图像时应用的变换组合。
请注意，此前为了更好地展示，您将图像调整为 128×128；现在为了加快训练，将使用更小的尺寸。稍后您会看到，64×64 足以让模型学习。
from torchvision import transforms 已经为您执行完毕，开始吧！
本练习是课程的一部分
PyTorch 深度学习进阶
练习说明
- 通过组合五种变换来定义
train_transforms：随机水平翻转、随机旋转（角度范围 0 到 45 度）、随机自动对比度调整、解析为张量，以及调整大小为 64×64 像素。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Define transforms
train_transforms = transforms.Compose([
____,
____,
____,
____,
____,
])
dataset_train = ImageFolder(
"clouds_train",
transform=train_transforms,
)
dataloader_train = DataLoader(
dataset_train, shuffle=True, batch_size=16
)