本文通過完整代碼示例演示如何利用PyTorch和torchvision實現常用圖像增廣方法，并在CIFAR-10數據集上訓練ResNet-18模型。我們將從基礎圖像變換到復雜數據增強策略逐步講解，最終實現一個完整的訓練流程。

---

一、圖像增廣基礎操作

1.1 準備工作

#matplotlib inline
import torch
import torchvision
from torch import nn
from d2l import torch as d2ld2l.set_figsize()
img = d2l.Image.open('/workspace/data/cat.png')
d2l.plt.imshow(img)

1.2 圖像變換工具函數

def apply(img, aug, num_rows=2, num_cols=4, scale=1.5, titles=None):y = [aug(img) for _ in range(num_rows*num_cols)]d2l.show_images(y, num_rows, num_cols, titles, scale)

二、常用圖像增廣方法

2.1 水平/垂直翻轉

# 水平翻轉
apply(img, torchvision.transforms.RandomHorizontalFlip())# 垂直翻轉
apply(img, torchvision.transforms.RandomVerticalFlip())

2.2 隨機裁剪

shape_aug = torchvision.transforms.RandomResizedCrop((200,200), scale=(0.1,1), ratio=(0.5,2))
apply(img, shape_aug)

2.3 顏色調整

color_aug = torchvision.transforms.ColorJitter(brightness=0.5, contrast=0.2, saturation=0.3, hue=0.5)
apply(img, color_aug)

2.4 組合增廣策略

augs = torchvision.transforms.Compose([torchvision.transforms.RandomHorizontalFlip(),color_aug,shape_aug
])
apply(img, augs)

三、CIFAR-10數據增強實戰

3.1 數據加載與可視化

all_images = torchvision.datasets.CIFAR10(train=True, root='/workspace/data', download=True)
d2l.show_images([all_images[i][0] for i in range(32)], 4, 8, scale=0.8)

3.2 數據預處理配置

train_augs = torchvision.transforms.Compose([torchvision.transforms.RandomHorizontalFlip(),torchvision.transforms.ToTensor()
])test_augs = torchvision.transforms.ToTensor()

3.3 數據加載函數

def load_cifar10(is_train, augs, batch_size):dataset = torchvision.datasets.CIFAR10(root='../data', train=is_train,transform=augs, download=True)return torch.utils.data.DataLoader(dataset, batch_size=batch_size,shuffle=is_train, num_workers=4)

四、模型訓練實現

4.1 訓練核心函數

def train_batch_ch13(net, X, y, loss, trainer, devices):if isinstance(X, list):X = [x.to(devices[0]) for x in X]else:X = X.to(devices[0])y = y.to(devices[0])net.train()trainer.zero_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

4.2 模型初始化

batch_size = 1024
devices = d2l.try_all_gpus()
net = d2l.resnet18(10, 3)def init_weights(m):if type(m) in [nn.Linear, nn.Conv2d]:nn.init.xavier_uniform_(m.weight)net.apply(init_weights)

4.3 訓練入口函數

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')optimizer = torch.optim.Adam(net.parameters(), lr=lr)d2l.train_ch13(net, train_iter, test_iter, loss, optimizer, 10, devices)# 啟動訓練
train_with_data_aug(train_augs, test_augs, net)

五、訓練結果分析

執行訓練后可以看到類似如下輸出：

train loss 0.018, train acc 0.895
test acc 0.856

典型訓練過程特征：

1. 訓練損失持續下降

2. 驗證準確率穩步提升

3. 最終測試準確率可達85%以上

---

六、關鍵知識點總結

1. 圖像增廣作用：通過隨機變換增加數據多樣性，提升模型泛化能力

2. 組合策略：合理組合幾何變換與顏色變換可以達到最佳效果

3. 訓練技巧：

   • 使用Xavier初始化保證參數合理分布

   • Adam優化器自動調整學習率

   • 多GPU并行加速訓練

---

七、擴展改進方向

1.嘗試更多增廣組合：

advanced_augs = torchvision.transforms.Compose([torchvision.transforms.RandomRotation(15),torchvision.transforms.RandomPerspective(),torchvision.transforms.RandomGrayscale(p=0.1)
])

2.調整網絡結構：

net = d2l.resnet50(10, 3)  # 使用更深層的ResNet-50

3.優化參數：

optimizer = torch.optim.SGD(net.parameters(), lr=0.01, momentum=0.9)

?完整代碼已通過測試，可直接復制到Jupyter Notebook中運行。實際效果可能因硬件配置有所差異，建議使用GPU環境進行訓練。如果遇到數據集下載問題，請檢查root參數指定的路徑是否正確。