### PyTorch 中实现深度学习数据旋转的代码示例 在 PyTorch 的 `torchvision.transforms` 模块中，可以通过 `RandomRotation` 方法来实现图像的随机旋转功能。以下是具体的代码示例： ```python import torch from torchvision import datasets, transforms from torch.utils.data import DataLoader import matplotlib.pyplot as plt # 定义数据变换，包括随机旋转和其他常见操作 transform = transforms.Compose([ transforms.RandomRotation(degrees=45), # 随机旋转角度范围为 [-45, 45] transforms.ToTensor(), # 将 PIL 图像转换为 Tensor ]) # 加载 CIFAR10 数据集并应用变换 dataset = datasets.CIFAR10(root='./data', train=True, download=True, transform=transform) dataloader = DataLoader(dataset, batch_size=8, shuffle=True) # 可视化部分旋转后的图片 def show_images(images): fig, axes = plt.subplots(1, len(images), figsize=(12, 4)) for i, image in enumerate(images): axes[i].imshow(image.permute(1, 2, 0)) # 调整维度以便显示 axes[i].axis('off') plt.show() # 获取一批数据并展示 images, labels = next(iter(dataloader)) show_images(images) ``` 上述代码实现了以下功能： - 使用 `transforms.RandomRotation` 对图像进行随机旋转[^3]。 - 结合其他常见的预处理操作（如将图像转换为张量），通过 `transforms.Compose` 组合成完整的流水线。 - 利用 `torchvision.datasets` 提供的数据集接口加载 CIFAR10 数据，并自动应用定义好的变换。 #### 关键点说明 - **参数设置**：`RandomRotation` 接受一个 `degrees` 参数，用于指定旋转角度的范围。例如，`degrees=45` 表示允许的最大旋转角度为 ±45 度。 - **组合变换**：通常会与其他数据增强技术一起使用，例如裁剪 (`RandomCrop`) 或翻转 (`RandomHorizontalFlip`) 等[^3]。 - **设备兼容性**：如果需要在 GPU 上运行模型训练，可以进一步检查 CUDA 是否可用并通过 `.cuda()` 将张量移动到 GPU 设备上[^4]。 ---