1:数据量小的几种解决方案:
[注]减小的参数量.规范化迫使一部分参数接近于0.数据增强.
2:Data argumentation 数据增强
(2.1)Flip翻转
[注]
RandomHorizontalFlip()水平翻转
RandomVerticalFlip()竖直翻转
这里的Random实现了可以执行水平(竖直)翻转,也可以不执行水平(竖直)翻转,进行下一步.
(2.2)旋转Rotate
[注]RandomRotation()可以实现固定角度的旋转RandomRotation(pa1),也可以实现对个角度随机旋转一个角度RandomRotation([pa1,pa2........]).
(2.3)Scale缩放
resize([pa1,pa2])
(2.4)Grop part随机的裁剪
RandomCrop([pa1,pa2])
[注]transform是由包torchvision提供,compose类似于一个sequential容器可以将多个操作打包成一个操作.
(2.5)noise噪声
pytorch中未提供,需要人工的在numpy中实现.