以下是一张图片，数据增广之后的示意图：

问题是这样的，当数据增广后，我们怎么知道图片变成什么样了呢，或者说我们输入到网络中的图片长什么样？对，解法很简单，就是在图片输入到网络时，把图片保存一下。

这里特把此过程记录一下，大家也可以参考下，快速展示训练input图片，在训练代码中修改3处即可，这里举例是基于timm训练代码框架，其他的也是一样。三处如下：

1. 创建路径以及保存图片的函数

count = 0
save_path = r"./output/train_picture"
if os.path.exists(save_path):
    shutil.rmtree(save_path)
os.makedirs(save_path, exist_ok=True)


def save_train_picture(input_batch):
    global count, save_path
    from torchvision import transforms
    from PIL import Image
    input_len = len(input_batch)
    for input in input_batch:
        tensor_to_pil = transforms.ToPILImage()(input)
        tensor_to_pil.save(os.path.join(save_path, f"saved_image_{count}.png"))
        count += 1

2. 训练时保存图片

训练取数据时加上两行代码，表示保存并不经过以下训练，即只是保存训练图片。

3. 结束后跳出程序

循环之后结束程序即可。

以上就是三步搞定可视化训练图片，后续会继续研究可视化，如基于wandb的特征可视化，均为简易可操作版，敬请期待~

$${\sim }_{Onepersongofaster,agroupofpeoplecangofurther}\sim$$