进行数据增强后数据集数据量有无变化（保持不变还是增多）

首先说结论，在数值上是不会增加数据量的，但在特征上其实可以理解为增加了数据量。

何为数值上没有增加，当一张图片进入transforms.Compose()这个函数时，该照片会依次执行该函数内的操作序列，常见的操作如下，这些操作有的是随机的、有的是按一定概率执行或不执行，但是所有操作完成后，输出的仍是一张图像，所以整个数据集的size并不会增多。

那什么又是在特征上增加了数据量呢，因为在训练模型时，每一个epoch都会进行数据增强，重新调用transforms.Compose()操作，使得训练数据变换，而因为内部操作的随机性，每一次最后输出的图像都可能会不一样，因此你每次epoch迭代后喂进网络的图像都是你增强后的图像，也都可能是不同的，所以也可以变相的认为训练数据增多了。

• 裁剪类

1. transforms.CenterCrop - 中心裁剪

2. transforms.RandomCrop - 随机裁剪

3. transforms.RandomResizedCrop - 随机长宽比裁剪

4. transforms.FiveCrop - 上下左右中心裁剪

5. transforms.TenCrop - 上下左右中心裁剪后旋转

• 翻转和旋转

1. transforms.RandomHorizontalFlip - 随机水平翻转

2. transforms.RandomVerticalFlip - 随机垂直翻转

3. transforms.RandomRotation - 随机旋转

• 图像变换

1. transforms.Pad - 填充

2. transforms.ColorJitter - 亮度、对比度和饱和度

3. transforms.Grayscale - 转灰度图

4. transforms.RandomGrayscale - 随机转灰度图

5. transforms.RandomAffine - 随机仿射变换

6. transforms.LinearTransformation - 线性变换

7. transforms.Lambda - 自定义变换

8. transforms.Resize

9. transforms.Normalize - 标准化

• transforms的操作

1. transforms.RandomChoice - 随机选择给定 transforms 中的一种

2. transforms.RandomApply - 加上随机概率

3. transforms.RandomOrder - 随机打乱 transforms 操作的顺序