我是机器学习和PyTorch的新手。我使用imgaug库进行图像增强（https://github.com/aleju/imgaug）

我有以下代码:

class ImgAugTransform:    def __init__(self):        self.aug = seq = iaa.Sequential(            [                # 对大多数图像应用以下增强器                iaa.Fliplr(0.5), # 水平翻转50%的图像                iaa.Flipud(0.2),  # 垂直翻转20%的图像                random_aug_use(iaa.CropAndPad( # 裁剪图像高度/宽度的-5%到10%                    percent=(-0.1, 0.2),                    pad_mode=ia.ALL,                    pad_cval=(0.,255)                )),                random_aug_use(iaa.Affine(                    scale={"x": (0.8, 1.2), "y": (0.8, 1.2)}, # 缩放图像到其尺寸的80-120%，每个轴独立                    translate_percent={"x": (-0.2, 0.2), "y": (-0.2, 0.2)}, # 平移-20%到+20%（每个轴）                    rotate=(-45, 45), # 旋转-45到+45度                    shear=(-16, 16), # 剪切-16到+16度                    order=[0, 1], # 使用最近邻或双线性插值（快速）                    cval=(0, 255), # 如果模式为常量，使用0到255之间的cval                    mode=ia.ALL # 使用scikit-image的任何变形模式（参见顶部第二张图片的示例）                ))            ],             random_order=True)        def __call__(self, img):        img = np.array(img)        return self.aug.augment_image(img)train_transforms = ImgAugTransform()train_dataset = torchvision.datasets.ImageFolder(train_dir, train_transforms)train_dataloader = torch.utils.data.DataLoader(    train_dataset, batch_size=batch_size, shuffle=True, num_workers=batch_size)

所以现在我不能这样做:

X_batch, y_batch = next(iter(train_dataloader))

我得到错误:

ValueError: some of the strides of a given numpy array are negative. This is currently not supported, but will be added in future releases.

回答：

你应该让你的增强后的numpy数组再次变得连续。尝试修改你的增强器代码为:

    def __call__(self, img):        img = np.array(img)        return np.ascontiguousarray(self.aug.augment_image(img))