数据增强在训练卷积神经网络时被广泛应用，尤其是在图像分类任务中。通过对训练图像进行旋转、翻转或平移等变换，可以引入更多的变化，从而帮助模型更好地泛化。然而，是否更多的增强总是能提高性能是一个常被忽视的问题。研究通过不同程度的数据增强，分析其对在 CIFAR-10 数据集上训练的 CNN 模型的影响，提供了实验结果和可视化数据，以揭示数据增强对模型泛化能力的实际效果。...