将转换应用于py手电筒中的数据集，并将它们添加到数据中

Question

我希望使用torchvision.datasets.FashionMNIST(data_dir，train=True、download=True加载时尚-mnist(或任何其他数据集)，然后应用一些图像转换，例如裁剪或添加噪声等，最后将转换后的数据添加到原始数据集中。我找到的唯一方法是torchvision.transform，但它会更改原始数据集，并且不会增加数据集。如何增加数据集？

Answer 1

正如@Ivan在注释中已经指出的那样，在访问图像时，PyTorch总是加载其原始数据集版本。然后，transform在线应用您对数据的选择转换。

通常，在训练神经模型时，在不触及原始数据集的情况下设置一个transform来增加数据是常见的做法。

尽管如此，如果需要将增强的数据集与原始数据集混合使用，例如，可以使用torch.utils.data.ConcatDataset堆栈两个数据集，如下所示：

dset1 = torchvision.datasets.FashionMNIST(data_dir, train=True, download=True)
dset2 = torchvision.datasets.FashionMNIST(data_dir, train=True, transform=my_transform)

dset = torch.utils.data.ConcatDataset([dset1, dset2])

看看此页，了解更多的替代方案。

最后，如果需要，还可以保存数据集供将来使用(从而冻结应用于数据的随机转换)：

for idx, (img, target) in enumerate(dset):
    torch.save(img, f"mydset/{fname}_img_{idx}.pt")
    torch.save(target, f"mydset/{fname}_tgt_{idx}.pt")