你可以得到300张图片，如果你保持原来的100张图片，然后分别调用和存储两个函数的返回，例如：

from torchvision import transforms
import torch

trhf = transforms.RandomHorizontalFlip(p=1.)
trvf = transforms.RandomVerticalFlip(p=1.)

imgs = torch.rand(100, 3, 28, 28)
imgs_hf = trhf(imgs)
imgs_vf = trvf(imgs)

all_imgs = torch.cat((imgs, imgs_hf, imgs_vf), 0)
all_imgs.size()

字符串
输出：

imgs_hf size: torch.Size([100, 3, 28, 28]), imgs_vf size: torch.Size([100, 3, 28, 28]), all_imgs size: torch.Size([300, 3, 28, 28])

型
但是如果你在这两个函数上使用transforms.Compose或torch.nn.Sequential，那么它只会返回相同大小的图像（即100）。

上面的插图是精确的。[显示是否要增加数据集大小]但当您使用transforms.Compose函数时，它会在运行时增加图像并在操作后转储它们。这是因为存储冗余数据仅仅是存储开销。