数据增强

数据增强分为：在线数据增强和离线数据增强

• 离线数据增强就是一次性把数据读入内存并扩充好，然后用这个扩充后的数据集进行训练，适用于较小的数据集。

• 在线数据增强就是现在的深度学习框架中所提供的数据增强方式。在每个epoch训练前，对数据集进行平移，旋转等。

​ 数据增强后每个epoch的训练图片数量并没有变；但是由于增强手段 中的随机裁剪，随机畸变等方法中的 随机 ，导致训练中每个epoch的 训练图片都不一样，这样就间接导致数据量的增加。 （这边一定要 注意我们的数据增强方法都是随机的，只有这样每个epoch的数据才 会不一样）

​ 在线增强的缺点就是会使训练速度变慢

这里解决一个疑问：就是我们一般将数据增强写在dataset类内，但是dataset是在epoch循环外的，那么每个epoch的数据不都一样了吗？

其实并不是，因为虽然dataset定义在循环外，但是在每个epoch里面都调用了dataloader来加载数据，而dataloader内部调用了dataset类。所以每个epoch的数据都不一样