在7.1节中，我们提到过大型数据集是成功应用深度神经网络的先决条件。 图像增广在对训练图像进行一系列的随机变化之后，生成相似但不同的训练样本，从而扩大了训练集的规模。 此外，应用图像增广的原因是，随机改变训练样本可以减少模型对某些属性的依赖，从而提高模型的泛化能力。 例如，我们可以以不同的方式裁剪图像，使感兴趣的对象出现在不同的位置，减少模型对于对象出现位置的依赖。 我们还可以调整亮度、颜色等因素来降低模型对颜色的敏感度。 可以说，图像增广技术对于AlexNet的成功是必不可少的。在本节中，我们将讨论这项广泛应用于计算机视觉的技术。

In [4]
%matplotlib inline
import paddle
import paddle.vision
from paddle import nn
from d2l import paddle as d2l
常用的图像增广方法
在对常用图像增广方法的探索时，我们将使用下面这个尺寸为400×500400\times 500400×500的图像作为示例。

In [5]
d2l.set_figsize()
img = d2l.Image.open(‘./img/cat1.jpg’)
d2l.plt.imshow(img)
---------------------------------------------------------------------------FileNotFoundError Traceback (most recent call last)/tmp/ipykernel_634/3604411724.py in 1 d2l.set_figsize() ----> 2 img = d2l.Image.open(‘./img/cat1.jpg’) 3 d2l.plt.imshow(img) /opt/conda/envs/python35-paddle120-env/lib/python3.7/site-packages/PIL/Image.py in open(fp, mode, formats) 2910 2911 if filename: -> 2912 fp = builtins.open(filename, “rb”) 2913 exclusive_fp = True 2914 FileNotFoundError: [Errno 2] No such file or directory: ‘./img/cat1.jpg’
大多数图像增广方法都具有一定的随机性。为了便于观察图像增广的效果，我们下面定义辅助函数apply。 此函数在输入图像img上多次运行图像增广方法aug并显示所有结果。

In [ ]
def apply(img, aug, num_rows=2, num_cols=4, scale=1.5):
Y = [aug(img) for _ in range(num_rows * num_cols)]
d2l.show_images(Y, num_rows, num_cols, scale=scale)
翻转和裁剪
[左右翻转图像]通常不会改变对象的类别。这是最早且最广泛使用的图像增广方法之一。 接下来，我们使用transforms模块来创建RandomFlipLeftRight实例，这样就各有50%的几率使图像向左或向右翻转。

In [ ]
apply(img, paddle.vision.transforms.RandomHorizontalFlip())
[上下翻转图像]不如左右图像翻转那样常用。但是，至少对于这个示例图像，上下翻转不会妨碍识别。接下来，我们创建一个RandomFlipTopBottom实例，使图像各有50%的几率向上或向下翻转。

In [ ]
apply(img, paddle.vision.transforms.RandomVerticalFlip())
在我们使用的示例图像中，猫位于图像的中间，但并非所有图像都是这样。 在6.5节中，我们解释了汇聚层可以降低卷积层对目标位置的敏感性。 另外，我们可以通过对图像进行随机裁剪，使物体以不同的比例出现在图像的不同位置。 这也可以降低模型对目标位置的敏感性。

在下面的代码中，我们[随机裁剪]一个面积为原始面积10%到100%的区域，该区域的宽高比从0.5到2之间随机取值。 然后，区域的宽度和高度都被缩放到200像素。 在本节中（除非另有说明），aaa和bbb之间的随机数指的是在区间[a,b][a, b][a,b]中通过均匀采样获得的连续值。

In [ ]
shape_aug = paddle.vision.transforms.RandomResizedCrop(
(200, 200), scale=(0.1, 1), ratio=(0.5, 2))
apply(img, shape_aug)
改变颜色
另一种增广方法是改变颜色。 我们可以改变图像颜色的四个方面：亮度、对比度、饱和度和色调。 在下面的示例中，我们[随机更改图像的亮度]，随机值为原始图像的50%（1−0.51-0.51−0.5）到150%（1+0.51+0.51+0.5）之间。

In [ ]
apply(img, paddle.vision.transforms.ColorJitter(
brightness=0.5, contrast=0, saturation=0, hue=0))
同样，我们可以[随机更改图像的色调]。

In [ ]
apply(img, paddle.vision.transforms.ColorJitter(
brightness=0, contrast=0, saturation=0, hue=0.5))
我们还可以创建一个RandomColorJitter实例，并设置如何同时[随机更改图像的亮度（brightness）、对比度（contrast）、饱和度（saturation）和色调（hue）]。

In [ ]
color_aug = paddle.vision.transforms.ColorJitter(
brightness=0.5, contrast=0.5, saturation=0.5, hue=0.5)
apply(img, color_aug)
[结合多种图像增广方法]
在实践中，我们将结合多种图像增广方法。比如，我们可以通过使用一个Compose实例来综合上面定义的不同的图像增广方法，并将它们应用到每个图像。

In [ ]
augs = paddle.vision.transforms.Compose([
paddle.vision.transforms.RandomHorizontalFlip(), color_aug, shape_aug])
apply(img, augs)
[使用图像增广进行训练]
让我们使用图像增广来训练模型。 这里，我们使用CIFAR-10数据集，而不是我们之前使用的Fashion-MNIST数据集。 这是因为Fashion-MNIST数据集中对象的位置和大小已被规范化，而CIFAR-10数据集中对象的颜色和大小差异更明显。 CIFAR-10数据集中的前32个训练图像如下所示。

In [ ]
all_images = paddle.vision.datasets.Cifar10(mode=‘train’ , download=True)
print(len(all_images))
d2l.show_images([all_images[i][0] for i in range(32)], 4, 8, scale=0.8);
为了在预测过程中得到确切的结果，我们通常对训练样本只进行图像增广，且在预测过程中不使用随机操作的图像增广。 在这里，我们[只使用最简单的随机左右翻转]。 此外，我们使用ToTensor实例将一批图像转换为深度学习框架所要求的格式，即形状为（批量大小，通道数，高度，宽度）的32位浮点数，取值范围为0到1。

In [ ]
train_augs = paddle.vision.transforms.Compose([
paddle.vision.transforms.RandomHorizontalFlip(),
paddle.vision.transforms.ToTensor()])

test_augs = paddle.vision.transforms.Compose([
paddle.vision.transforms.ToTensor()])
接下来，我们[定义一个辅助函数，以便于读取图像和应用图像增广]。paddle数据集提供的transform函数应用图像增广来转化图像。有关DataLoader的详细介绍，请参阅3.5节。

In [ ]
def load_cifar10(is_train, augs, batch_size):
dataset = paddle.vision.datasets.Cifar10(mode=“train”, transform=augs, download=True)
dataloader = paddle.io.DataLoader(dataset, batch_size=batch_size, num_workers=d2l.get_dataloader_workers(), shuffle=is_train)
return dataloader
多GPU训练
我们在CIFAR-10数据集上训练7.6节中的ResNet-18模型。 回想一下12.6节中对多GPU训练的介绍。 AI Studio只提供一个GPU，所以并不是多GPU训练，可以在本地尝试代码进行多GPU训练。 接下来，我们[定义一个函数，使用多GPU对模型进行训练和评估]。

In [ ]
#@save
def train_batch_ch13(net, X, y, loss, trainer, devices):
“”“用多GPU进行小批量训练
Defined in :numref:sec_image_augmentation”“”
if isinstance(X, list):
# 微调BERT中所需（稍后讨论）
X = [paddle.to_tensor(x, place=devices[0]) for x in X]
else:
X = paddle.to_tensor(X, place=devices[0])
y = paddle.to_tensor(y, place=devices[0])
net.train()
trainer.clear_grad()
pred = net(X)
l = loss(pred, y)
l.sum().backward()
trainer.step()
train_loss_sum = l.sum()
train_acc_sum = d2l.accuracy(pred, y)
return train_loss_sum, train_acc_sum
In [ ]
#@save
def train_ch13(net, train_iter, test_iter, loss, trainer, num_epochs,
devices=d2l.try_all_gpus()):
“”“用多GPU进行模型训练
Defined in :numref:sec_image_augmentation”“”
timer, num_batches = d2l.Timer(), len(train_iter)
animator = d2l.Animator(xlabel=‘epoch’, xlim=[1, num_epochs], ylim=[0, 1],
legend=[‘train loss’, ‘train acc’, ‘test acc’])
net = paddle.DataParallel(net)
for epoch in range(num_epochs):
# 4个维度：储存训练损失，训练准确度，实例数，特点数
metric = d2l.Accumulator(4)
for i, (features, labels) in enumerate(train_iter):
timer.start()
l, acc = train_batch_ch13(
net, features, labels, loss, trainer, devices)
metric.add(l, acc, labels.shape[0], labels.numel())
timer.stop()
if (i + 1) % (num_batches // 5) == 0 or i == num_batches - 1:
animator.add(epoch + (i + 1) / num_batches,
(metric[0] / metric[2], metric[1] / metric[3],
None))
test_acc = d2l.evaluate_accuracy_gpu(net, test_iter)
animator.add(epoch + 1, (None, None, test_acc))
print(f’loss {metric[0] / metric[2]:.3f}, train acc ’
f’{metric[1] / metric[3]:.3f}, test acc {test_acc:.3f}‘)
print(f’{metric[2] * num_epochs / timer.sum():.1f} examples/sec on ’
f’{str(devices)}')
现在，我们可以[定义train_with_data_aug函数，使用图像增广来训练模型]。该函数获取所有的GPU，并使用Adam作为训练的优化算法，将图像增广应用于训练集，最后调用刚刚定义的用于训练和评估模型的train_ch13函数。

In [ ]
#使用4卡notebook运行
batch_size, devices, net = 256, d2l.try_all_gpus(), d2l.resnet18(10, 3)

def init_weights(m):
if type(m) in [nn.Linear, nn.Conv2D]:
nn.initializer.XavierUniform(m.weight)

net.apply(init_weights)

def train_with_data_aug(train_augs, test_augs, net, lr=0.001):
train_iter = load_cifar10(True, train_augs, batch_size)
test_iter = load_cifar10(False, test_augs, batch_size)
loss = nn.CrossEntropyLoss(reduction=“none”)
trainer = paddle.optimizer.Adam(learning_rate=lr, parameters=net.parameters())
train_ch13(net, train_iter, test_iter, loss, trainer, 10, devices)
让我们使用基于随机左右翻转的图像增广来[训练模型]。

In [ ]
train_with_data_aug(train_augs, test_augs, net)
小结
图像增广基于现有的训练数据生成随机图像，来提高模型的泛化能力。
为了在预测过程中得到确切的结果，我们通常对训练样本只进行图像增广，而在预测过程中不使用带随机操作的图像增广。
深度学习框架提供了许多不同的图像增广方法，这些方法可以被同时应用。
练习
在不使用图像增广的情况下训练模型：train_with_data_aug(no_aug, no_aug)。比较使用和不使用图像增广的训练结果和测试精度。这个对比实验能支持图像增广可以减轻过拟合的论点吗？为什么？
在基于CIFAR-10数据集的模型训练中结合多种不同的图像增广方法。它能提高测试准确性吗？
参阅深度学习框架的在线文档。它还提供了哪些其他的图像增广方法？
如果想系统性学习该项目，可前往“动手学AI”课程（https://aistudio.baidu.com/aistudio/course/introduce/25851）查看完整章节

Discussions