验证集扩充 PyTorch 示例

Question

在this PyTorch 用于迁移学习的视觉示例中，他们正在执行验证集扩充，我不知道为什么。

# Just normalization for validation
data_transforms = {
    'train': transforms.Compose([
        transforms.RandomResizedCrop(224),
        transforms.RandomHorizontalFlip(),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ]),
    'val': transforms.Compose([
        transforms.Resize(256),
        transforms.CenterCrop(224),
        transforms.ToTensor(),
        transforms.Normalize([0.485, 0.456, 0.406], [0.229, 0.224, 0.225])
    ]),
}

据我所知，数据增强只能在训练集上进行（有时在测试集上进行，即所谓的测试时间增强）。

为什么也在这里做？
另外，为什么不直接将大小调整为 224？

Answer 1

为了澄清，随机数据增强只允许在训练集上。您可以将数据扩充应用于验证集和测试集，前提是所有扩充都不是随机的。您将在您提供的示例中清楚地看到这一点。

训练集使用许多随机增强（使用随机性的增强通常在名称中带有“随机”）。但是，验证集仅使用不会向数据引入任何随机性的增强。

最后一个重要细节：当您对验证集和测试集使用归一化时，您必须使用与训练集相同的因子。您会看到上面的示例保持了相同的数字。

调整大小然后居中裁剪的需要来自于验证集需要来自训练集的同一域的事实，因此如果前者被随机调整大小并裁剪为 224，则验证集需要确定性地调整大小和作物。