在 PyTorch 中加载数据时，如何让不同的数据集共享同样的随机变换？

[daa233]

例如，有 A、B 两个域的数据，两个域的数据是不成对的，数目有可能不一致。在加载数据的时候，我们从 A、B 两个域中各随机取出一幅图像，组成一对。之后需要对这两幅图像做一些随机变换操作，我们希望对取出的这两幅图像做相同的随机变换。如何实现比较好呢？

[daa233]

思路 1

开始的思路是定义两个 Dataset，然后让它们共享同一个 random transform 的单例。给单例的 __call__() 方法设置一个参数，Dataset A 调用时更新随机变换参数，Dataset B 调用时不更新随机变换参数。

实现时，开始尝试用单例实现，不太对（可能是我单例没写好）。后来用传入同一个对象来实现，结果也不对。还没找到原因。

[daa233]

思路 2

用同一个 Dataset，传入两个数据集的路径，__getitem__ 函数返回两幅图像。

使用这个思路的好处是，对随机变换的处理更加容易。不过需要使用一个唯一的 index 来从两个列表中随机选取图像，稍微有点别扭，应该不会影响随机性。

参考：How to apply same transform on a pair of picture?