比如，你遇到的一個任務，目前只有小几百的資料，然而目前流行的最先進的神經網路都是成千上萬的圖片資料，可以通過資料增強來實現。

常用的資料增強手段：

1. Flip（翻轉）
2. Rotation（旋轉）
3. Scale（縮放）
4. Random Move&Crop（移位&裁剪）
5. Gaussian Noise（高斯噪聲）

前4個操作都是由torchvision包中的transforms完成的。

 1 train_loader = torch.utils.data.DataLoader(
 2     datasets.MNIST('datasets/data', train=True, download=True,
 
 3                    transform=transforms.Compose([
 4                        transforms.RandomHorizontalFlip(),              #水平翻轉
 5                        transforms.RandomVerticalFlip(),                #豎直翻轉
 6                        transforms.RandomRotation(15),                  #旋轉，範圍-15°~15°
 

 7                        transforms.RandomRotation([90, 180, 270]),      #從三個角度中挑一個旋轉
 8                        transforms.Resize([32, 32]),                    #縮放
 9                        transforms.RandomCrop([28, 28]),                #隨機裁剪  
10                        transforms.ToTensor(),
11                        #
 
 transforms.Normalize((0.1307,), (0.3081,))
12                    ])),
13     batch_size=batch_size, shuffle=True)