在 PyTorch 中进行数据增强
让我们把数据增强加入到您的 Dataset 中，并通过可视化检查一些图像，确认所需的变换已生效。
首先，您将把增强变换添加到 train_transforms。我们将使用随机水平翻转，以及在 0 到 45 度之间随机角度的旋转。随后用于创建 Dataset 和 DataLoader 的代码与之前完全相同。最后，您将重塑图像并将其显示出来，查看新的增强变换是否可见。
所有需要的导入已为您准备好：
from torchvision.datasets import ImageFolder
from torch.utils.data import DataLoader
from torchvision import transforms
import matplotlib.pyplot as plt
是时候增强一些云朵照片了！
本练习是课程的一部分
PyTorch 深度学习进阶
练习说明
- 在
train_transforms中再添加两个变换：先进行随机水平翻转，然后在 0 到 45 度之间随机角度的旋转。 - 将来自 DataLoader 的
image张量重塑为适合显示的形状。 - 显示该图像。
交互式实操练习
通过完成这段示例代码来试试这个练习。
train_transforms = transforms.Compose([
# Add horizontal flip and rotation
____,
____,
transforms.ToTensor(),
transforms.Resize((128, 128)),
])
dataset_train = ImageFolder(
"clouds_train",
transform=train_transforms,
)
dataloader_train = DataLoader(
dataset_train, shuffle=True, batch_size=1
)
image, label = next(iter(dataloader_train))
# Reshape the image tensor
image = image.____.____(____, ____, ____)
# Display the image
____
plt.show()