机器学习或深度学习模型的训练的目标是成为“通用”模型。这就需要模型没有过度拟合训练数据集，或者换句话说，我们的模型对看不见的数据有很好的了解。数据增强也是避免过度拟合的众多方法之一。
扩展用于训练模型的数据量的过程称为数据增强。通过训练具有多种数据类型的模型，我们可以获得更“泛化”的模型。“多种数据类型”是什么意思呢？本片文章只讨论“图像”数据增强技术，只详细地介绍各种图片数据增强策略。我们还将使用 PyTorch 动手实践并实现图像数据或计算机视觉中主要使用的数据增强技术。
因为介绍的是数据增强技术。所以只使用一张图片就可以了，我们先看看可视话的代码
完整文章：
https://avoid.overfit.cn/post/44424d7841b34cdc83a9180de677b7f6
标签：总结,增强,12,训练,模型,数据类型,图像,数据 From： https://www.cnblogs.com/deephub/p/16824100.html