首先将数据拆分为训练集和验证集，然后对训练集进行数据扩充。

您使用您的验证集来尝试估计您的方法如何处理真实世界的数据，因此它应该只包含真实世界的数据。添加增强数据不会提高验证的准确性。它充其量只能说明您的方法对数据增强的响应程度，而在最坏的情况下会破坏验证结果和可解释性。

永远不要做 3，因为你会得到泄漏。例如，假设增强是向左移动 1 个像素。如果没有增强意识的分裂，您可能会在训练和验证中获得非常相似的数据样本。

数据增强意味着将外部数据/信息添加到正在分析的现有数据中。

因此，由于整个增强数据将用于机器学习，因此以下过程将更适合：

做数据扩充 --> 拆分数据