问如何使用Py火炬将增强图像添加到原始数据集中？

EN

你为什么想要它？一般来说，增加数据集上的历元数就足够了，您的模型将至少看到一次每个图像的原始版本和增广版本(假设一个相对较高的历元数)。

解释：

例如，如果你的增强有50%的机会应用，在100年代之后，对于每一个样本，你将得到~50个原始图像样本和~50个增强样本。因此，增加数据集的大小相当于增加时间，但是(可能)在内存方面效率较低(需要将图像存储在内存中以获得高性能)。

它需要一些解释。transforms.Compose在<class 'torchvision.transforms.transforms.Compose'>中创建了一个东西(您可以通过使用type()来了解它的类)

例如：

train_tfm = transforms.Compose([transforms.Resize((128, 128)),transforms.ToTensor(),])
print(type(train_tfm))

因此，它不是数据集，因此不能直接协调一致。

在代码中搜索以查看携带增强指令的变量是如何进行的。

应该有某种数据读取器，可以在<class 'torchvision.datasets.folder.DatasetFolder'>类中使用。

那么就可以使用：

concat_dataset = ConcatDataset([train_set_1, train_set_2])