前言

我們在 Training 的過程的中，一個很重要的 Part 就是如何出一個 Powerful、Useful 以及 Effcient 的 Model，但另一個很重要的 Part 就是我們對 dataset 的處理。舉個例子來說，如果我們的 dtaset不夠多，我們可以透過一些技巧來增加我們的 dataset 數量，像是一些 argumentation 的方法，而這一部份延伸出去又可以探討這些argumentation 的方法是要在 CPU 上執行還是在 GPU 上執行更有效率等等議題;又或者說，如果我們今天的 dataset 真的很大怎麼辦QQQ，可能全部 dataset 取出來的時候就已經超過 GPU 記憶體大小了QQQQQQQ 那我們可能可以考慮用 CPU 的 RAM 或者用 PICKLE 的方式去存取這個資料等等。
另外，除了如何使用 data argumentation 的技巧來增加我們 Training dataset，以及比較了一些常見的 data argumentation 在 CPU 上以及 GPU 上執行的效率差別，另一個問題是大型的 Dataset,這類的 Dataset 不是小小的像是 MNIST，而是向 ImageNet 這樣的大型 Dataset，我們也要來記須說明一些大型Dataset可以使用的處理方法