python数据增强的trick代码

### Python 数据增强技巧

数据增强是一种用于扩展训练集的技术，在机器学习和深度学习领域广泛应用。对于图像数据，常见的增强方式包括旋转、翻转、缩放等；而对于其他类型的数据，则可能涉及更复杂的方法。

#### 图像数据增强示例

使用 `imgaug` 库可以方便地实现多种图像变换：

import imgaug.augmenters as iaa
from PIL import Image
import numpy as np

# 定义一系列增强操作
seq = iaa.Sequential([
    iaa.Fliplr(0.5),  # 随机水平翻转
    iaa.Crop(percent=(0, 0.1)),  # 随机裁剪
    iaa.Sometimes(
        0.5,
        iaa.GaussianBlur(sigma=(0, 0.5))
    ),
    iaa.LinearContrast((0.75, 1.5)),
])

image = np.array(Image.open('example.jpg'))  # 加载图片
images_aug = seq(images=[image] * 8)  # 对同一张图片应用不同参数的增强效果

此段代码展示了如何利用随机化的方式对输入图像施加各种几何与颜色空间的变化[^1]。

#### 文本数据增强实例

针对自然语言处理任务中的文本序列，可以通过同义词替换来增加样本多样性：

from nltk.corpus import wordnet
import random

def synonym_replacement(words, n=1):
    new_words = words.copy()
    
    for _ in range(n):
        rand_idx = random.randint(0, len(new_words)-1)
        synonyms = []
        
        for syn in wordnet.synsets(new_words[rand_idx]):
            for lemma in syn.lemmas():
                synonyms.append(lemma.name())
                
        if len(synonyms)>0:
            replacement_word=random.choice(synonyms)
            new_words[rand_idx]=replacement_word
            
    sentence=" ".join(new_words)
    return sentence


text='The quick brown fox jumps over the lazy dog'
words=text.split()
print(synonym_replacement(words,n=2))  

上述脚本实现了基于WordNet库查找并替换单词同义词的功能，从而达到扩充语料的目的[^2]。