pytorch进行数据增强的代码

可以使用 torchvision.transforms 中提供的各种数据增强方法，例如 RandomHorizontalFlip、RandomRotation、RandomCrop 等。具体实现方法可以参考官方文档或相关教程。以下是一个简单的示例代码，使用 RandomHorizontalFlip 和 RandomRotation 实现数据增强：

import torch
from torchvision import transforms

# 定义数据增强方法
transform = transforms.Compose([
    transforms.RandomHorizontalFlip(),
    transforms.RandomRotation(degrees=30)
])

# 加载数据集
dataset = MyDataset()

# 对数据进行增强
data = dataset[0]  # 假设数据集中有一条数据
image = data['image']  # 假设数据中有一个键名为 image 的字段
label = data['label']  # 假设数据中有一个键名为 label 的字段
image = transform(image)

# 将增强后的数据传给模型进行训练
output = model(image)
loss = criterion(output, label)
loss.backward()
optimizer.step()