Pytorch中的图像增强

我喜欢交替地增强图像。 我有如下pytorch转换代码

import torchvision.transforms as tt
from torchvision.datasets import ImageFolder
#Data transform (normalization & data augmentation)
stats = ((0.4914, 0.4822, 0.4465), (0.2023, 0.1994, 0.2010))
train_tfms = tt.Compose([tt.RandomCrop(32, padding = 4, padding_mode = 'reflect'),
                         tt.RandomHorizontalFlip(),
                         tt.RandomAffine(degrees=(10, 30),
                                         translate=(0.1, 0.3),
                                         scale=(0.7, 1.3),
                                         shear=0.1, 
                                         resample=Image.BICUBIC)
                         tt.ToTensor(),
                         tt.Normalize(*stats)])

当我按如下方式创建数据集并进行训练时，所有图像都将得到增强

train_ds = ImageFolder('content/train', train_tfms)

但我要轮流。第一个图像，只需训练为原始图像。但下一幅图像被放大了

train_ds = ImageFolder('content/train', train_tfms)

---

如何才能做到这一点？

从一个数据集，您可以创建两个数据集，一个有扩展，另一个没有，然后将它们连接起来。由于我们使用的是子数据集pytorch类，它将为我们处理这个问题，所以我们将保持这个顺序

train\u ds\u no\u aug=ImageFolder（'content/train'）
train\u ds\u aug=ImageFolder（'content/train'，train\tfms）
#检查aug_idx和no_aug_idx是否重叠
8月idx=火炬号（1列，8月2号列车）
no_-Augu_-idx=火炬（0，len（列车编号），2）
train\u ds\u no\u aug=torch.utils.data.Subset（train\u ds\u no\u aug，no\u aug\u idx）
train\u ds\u aug=torch.utils.data.Subset（train\u ds\u aug，aug\u idx）
train\u ds=torch.utils.data.ChainDataset（[train\u ds\u no\u aug，train\u ds\u aug]）
#完成：=

我有问题。我不能在

train\u dl=DataLoader中设置shuffle=True（train\u ds，batch\u size，shuffle=False，num\u workers=8，pin\u memory=True）

那么当我进行训练时，我会出现错误，因为

AssertionError:ChainDataset只支持IterableDataset