pytorch-randaugment

收录理由

在 PyTorch 里训练图像分类模型，通常要么只用翻转、裁剪这类基础变换，要么花大量算力去搜索更优的数据增强策略。这个库把 RandAugment 实现成一个可以直接插入 torchvision 管线的变换，只需调节 N 和 M 两个超参数，省去了繁琐的搜索过程。作者在 CIFAR-10、CIFAR-100 和 SVHN 上用 Wide-ResNet 等模型复现了原论文的实验，准确率与论文报告的结果相当接近，因此如果你想在自己的任务里先验证这个方法的效果，它是个不错的参考实现。需要留意的是，ImageNet 上的复现并未完成，相关结果仍属未经验证，在大规模数据集上使用时需谨慎。代码量不大，采用 MIT 许可，阅读和集成到现有训练流程都比较方便。