如何在Python中对图像数据集进行在线实时数据增强?

大伟君_1918

大伟君_1918

2026-09-08

216人浏览

原创

torchvision.transforms是最省事的PyTorch在线增强方案,需用Compose封装并在Dataset.__getitem__中应用;顺序为先ToTensor()再数值增强,几何变换可在前;不可在collate_fn中做随机增强。

如何在python中对图像数据集进行在线实时数据增强?

用 torchvision.transforms 做在线增强最省事

PyTorch 的 torchvision.transforms 是目前最常用、最稳定的在线增强方案,它在 DataLoader 的每个 batch 加载时动态执行,不占用额外磁盘空间,也避免预生成导致的存储膨胀。

关键点是:所有增强操作必须封装进 transforms.Compose,并在 Dataset 的 __getitem__ 中应用——不是在训练循环里手动调用。

  • RandomHorizontalFlip、ColorJitter、RandomRotation 等类默认只对 PIL.Image 或 torch.Tensor(C×H×W)生效,输入张量必须是 float 类型且值域为 [0, 1],否则 ColorJitter 可能报 ValueError: expected float tensor
  • 顺序很重要:通常先 ToTensor()(把 PIL 转成 C×H×W + float),再做数值型增强;若先做几何变换(如 RandomRotation),则应在 ToTensor() 之前
  • 不要在 __init__ 里做增强初始化以外的图像加载或变换,否则会卡住 dataloader 多进程

用 albumentations 替代 torchvision 做更细粒度控制

当需要像素级 mask 同步增强(比如语义分割)、或想用 CoarseDropout、GridDistortion 这类 torchvision 没有的操作时,albumentations 是更好选择。

它要求输入是 numpy array(H×W×C,uint8),且必须显式声明哪些 key 是图像、哪些是 mask,否则会跳过 mask 变换。

  • 必须用 A.Compose(..., bbox_params=..., keypoint_params=...) 显式指定辅助数据类型,否则 mask 默认不参与变换
  • 传入字典格式数据,例如 transform(image=img_array, mask=mask_array),返回仍是字典,需手动取 ['image'] 和 ['mask']
  • 和 torchvision 不兼容:不能直接塞进 torchvision.datasets.ImageFolder,得自己写 Dataset 子类,并在 __getitem__ 里调用
  • CPU 上性能略低于 torchvision(因涉及更多 numpy 拷贝),但支持 GPU 加速的 albumentations-gpu 目前仍不稳定,不建议生产环境启用

别在 DataLoader 的 collate_fn 里做增强

常见误区:以为把增强逻辑挪到 collate_fn 能“统一处理 batch”,结果发现增强失效或 shape 报错。

Biopython
Biopython

全面的分子生物学工具集。适用于序列操作、文件解析(FASTA/GenBank/PDB)、系统发育分析,以及通过 Bio.Entrez 以编程方式访问 NCBI/

下载

原因很直接:collate_fn 接收的是已拼好的 list of tensors,此时单张图的独立随机性已丢失——比如你希望每张图独立 RandomHorizontalFlip,但在 collate 后再 flip,就变成整个 batch 被统一 flip 一次。

  • collate_fn 只该做 padding、stack、type 转换等 batch 维度操作,绝不该包含任何带随机性的图像变换
  • 如果真需要 batch-level 增强(如 MixUp、CutMix),必须在模型 forward 前、loss 计算前做,且要确保 label 也同步调整,不能依赖 dataloader
  • 使用 torch.cuda.amp.autocast 时,若在 collate_fn 里调用 GPU 操作,会触发 “CUDA operation outside stream” 类错误

实时增强的性能瓶颈往往不在 CPU,而在 I/O 和解码

很多人调大 num_workers 后发现 GPU 利用率上不去,一查 nvidia-smi 发现 GPU 空闲等待,其实卡点在图像读取和 JPEG 解码。

尤其当数据集放在机械硬盘或 NFS 上,PIL.Image.open().convert('RGB') 这一步会成为明显瓶颈。

  • 优先用 cv2.imread() 替代 PIL.Image.open(),快约 2–3 倍(注意颜色通道顺序是 BGR,需 cv2.cvtColor(..., cv2.COLOR_BGR2RGB))
  • 开启 pin_memory=True + non_blocking=True 加速 host→GPU 传输,但前提是你的增强输出已经是 torch.Tensor 且在 GPU 上(一般不建议,增强放 GPU 容易 OOM)
  • 小图(如 224×224)可考虑预解码缓存到内存(用 lru_cache 包装 __getitem__),但仅限内存充足且图像总数可控(

实际部署时最容易被忽略的是:不同增强库对输入 dtype 和 range 的隐含假设不一致,torchvision 期望 [0, 1] float,albumentations 期望 [0, 255] uint8,混用时图像会全黑或溢出。调试时先打印 tensor.min(), tensor.max(), tensor.dtype,比猜快得多。

Python免费学习笔记(深入):立即使用
在学习笔记中,你将探索 Python 的核心概念和高级技巧!

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
python打包成可执行文件
python打包成可执行文件

本专题为大家带来python打包成可执行文件相关的文章,大家可以免费的下载体验。

2023.07.20

1971

4

python能做什么
python能做什么

python能做的有:可用于开发基于控制台的应用程序、多媒体部分开发、用于开发基于Web的应用程序、使用python处理数据、系统编程等等。本专题为大家提供python相关的各种文章、以及下载和课程。

2023.07.25

5624

7

format在python中的用法
format在python中的用法

Python中的format是一种字符串格式化方法,用于将变量或值插入到字符串中的占位符位置。通过format方法,我们可以动态地构建字符串,使其包含不同值。php中文网给大家带来了相关的教程以及文章,欢迎大家前来阅读学习。

2023.07.31

1909

3

python教程
python教程

Python已成为一门网红语言,即使是在非编程开发者当中,也掀起了一股学习的热潮。本专题为大家带来python教程的相关文章,大家可以免费体验学习。

2023.08.03

34417

23

python环境变量的配置
python环境变量的配置

Python是一种流行的编程语言,被广泛用于软件开发、数据分析和科学计算等领域。在安装Python之后,我们需要配置环境变量,以便在任何位置都能够访问Python的可执行文件。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

python eval
python eval

eval函数是Python中一个非常强大的函数,它可以将字符串作为Python代码进行执行,实现动态编程的效果。然而,由于其潜在的安全风险和性能问题,需要谨慎使用。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.04

4027

5

scratch和python区别
scratch和python区别

scratch和python的区别:1、scratch是一种专为初学者设计的图形化编程语言,python是一种文本编程语言;2、scratch使用的是基于积木的编程语法,python采用更加传统的文本编程语法等等。本专题为大家提供scratch和python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

1303

5

python合并两个列表
python合并两个列表

Python是一种强大的编程语言,具有许多方便的功能和工具。在Python中,有多种方法可以合并两个列表。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

2023.08.10

636

4

python是前端还是后端
python是前端还是后端

Python属于前端也属于后端,其灵活性和丰富的生态系统使得开发人员能够在不同的领域中灵活运用。本专题为大家提供python相关的文章、下载、课程内容,供大家免费下载体验。

2023.08.11

3123

5

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程