在之前课程中，我们已经熟悉了 PyTorch 中
transforms的运行机制，它提供了大量的图像增强方法，例如裁剪、旋转、翻转等等，以及可以自定义实现增强方法。本节课中，我们将进一步学习transforms中的图像增强方法。
1. 数据增强
数据增强 (Data Augmentation)又称为数据增广、数据扩增，它是对训练集进行变换，使训练集更丰富，从而让模型更具泛化能力。
例子：
例子：
2. transforms 裁剪
transforms.CenterCrop
功能：从图像中心裁剪图片。
主要参数：
size：所需裁剪图片尺寸。
代码示例：
我们有一个 224 $\times$ 224 的图片，我们将其从中心裁剪为 196 $\times$ 196 的图片。
transforms.RandomCrop
功能：从图片中随机裁剪出尺寸为size的图片。
主要参数：
size：所需裁剪图片尺寸。padding：设置填充大小。 当为a时，上下左右均填充a个像素。当为(a, b)时， 上下填充b个像素， 左右填充a个像素。当为(a, b, c, d)时，左、上、右、下分别填充a、b、c、d个像素。pad_if_need：若图像小于设定size，则填充，此时该项需要设置为True。padding_mode：填充模式，有 4 种模式：constant：像素值由fill设定。edge：像素值由图像边缘像素决定。reflect：镜像填充，最后一个像素不镜像，例如[1, 2, 3, 4]$\to$[3, 2, 1, 2, 3, 4, 3, 2]。symmetric：镜像填充，最后一个像素镜像，例如[1, 2, 3, 4]$\to$[2, 1, 1, 2, 3, 4, 4, 3]。fill：padding_mode = 'constant'时，设置填充的像素值。
transforms.RandomResizedCrop
功能：随机大小、长宽比裁剪图片。
主要参数：
size：所需裁剪图片尺寸。scale：随机裁剪面积比例，默认(0.08, 1)。ratio：随机长宽比，默认(3/4, 4/3)。interpolation：插值方法。PIL.Image.NEARESTPIL.Image.BILINEARPIL.Image.BICUBIC
transforms.FiveCrop
功能：在图像的上下左右以及中心裁剪出尺寸为size的 5 张图片。
主要参数：
size：所需裁剪图片尺寸。
代码示例：
transforms.TenCrop
功能：在图像的上下左右以及中心裁剪出尺寸为size的 5 张图片，并对这 5 张图片进行水平或者垂直镜像获得 10 张图片。
主要参数：
size：所需裁剪图片尺寸。vertical_flip：是否垂直翻转。
代码示例：
3. transforms 翻转、旋转
3.1 transforms 翻转
transforms.RandomHorizontalFlip
功能：依概率水平（左右）翻转图片。
主要参数：
p：翻转概率。
transforms.RandomVerticalFlip
功能：依概率垂直（上下）翻转图片。
主要参数：
p：翻转概率。
3.2 transforms 旋转
transforms.RandomRotation
功能：随机旋转图片。
主要参数：
degrees：旋转角度。 当为a时，在(-a, a)之间随机选择旋转角度。当为(a, b)时，在(a, b)之间随机选择旋转角度。resample：重采样方法。expand：是否扩大图片，以保持原图信息。center：旋转点设置，默认中心旋转。
例子：
4. 总结
本节课中，我们学习了数据预处理模块 transforms 中的数据增强方法：裁剪、翻转和旋转。在下次课程中 ，我们将会学习 transforms 中的其他数据增强方法。
来自：YEY 的博客
