数据增强倍数
按增强变换数量与重复系数，计算数据增强后的样本总量倍数，辅助训练集扩容规划，适用于图像分类、样本均衡与增强强度设定。
🤖 Data Augmentation Multiplier
Compute how much your training set grows after augmentation, from the number of transforms and the repeat factor.
📐 计算公式 / 原理
增强后总量 = 原始样本数 × (1 + 系数 × 变换种类数)
按每种变换贡献的增量线性外推总量，系数反映单次变换的等效增益（通常 <1）。这是上界估计：变换间高度相关时实际有效量远小于此，且增强样本不能完全替代真实数据的分布覆盖。
📐 计算公式与说明
总量 = 原始 ×(1 + 倍数 × 变换数)
实际去重后可能低于估算。
📚 深度解析：数据增强倍数
💡 常见使用场景
- 增强后样本总量≈原始量×变换组合数×重复系数，用于训练集扩容规划。
- 倍数高不等于信息量等比例增长，重复/相似变换带来相关性。
- 应结合验证集表现设定增强强度，避免过度失真。
增强倍数估算
原始 5000 张，旋转/翻转/色彩 3 类各 3 档共 9 组合 → 总量≈5000×9=45000 张。若叠加 2 次重复则≈90000，但有效增益低于 18 倍。
❓ 常见问题（FAQ）
- 倍数和'有效量'有什么区别？
- 倍数只算变换乘积，有效量还扣减相关性带来的信息折损；本工具给倍数，是否等效需结合增强多样性判断。
- 增强强度设多大？
- 以验证集指标为准：增强不足仍过拟合则加强，过强导致训练误差难降则回撤；图像常用轻几何+色彩抖动。