Pytorch的数据预处理和数据增强操作的代码

数据预处理操作：

1. 标准化

通过对数据进行标准化，可以消除不同特征的量纲影响，提高模型的收敛速度和精度。

transforms.Normalize(mean = [0.5, 0.5, 0.5], std = [0.5, 0.5, 0.5])

2. Resize

对图像进行resize操作，使其大小一致，方便进行后续的操作。

transforms.Resize((224, 224))

3. ToTensor

将数据转换成Tensor类型，方便后续的处理和计算。

transforms.ToTensor()

数据增强操作：

1. 随机水平翻转

通过随机水平翻转，可以增加数据的多样性，提高模型的泛化能力。

transforms.RandomHorizontalFlip(p=0.5)

2. 随机垂直翻转

通过随机垂直翻转，可以增加数据的多样性，提高模型的泛化能力。

transforms.RandomVerticalFlip(p=0.5)

3. 随机旋转

通过随机旋转，可以增加数据的多样性，提高模型的泛化能力。

transforms.RandomRotation(degrees=45)

4. 随机裁剪

通过随机裁剪，可以增加数据的多样性，提高模型的泛化能力。

transforms.RandomCrop(size=(224, 224), padding=0)