AutoAugment

class torchvision.transforms.AutoAugment(policy: AutoAugmentPolicy = AutoAugmentPolicy.IMAGENET, interpolation: InterpolationMode = InterpolationMode.NEAREST, fill: Optional[List[float]] = None)

基于 “AutoAugment: Learning Augmentation Strategies from Data” 的 AutoAugment 数据增强方法。如果图像是 torch Tensor，则应为 torch.uint8 类型，并且应具有 […, 1 or 3, H, W] 形状，其中 … 表示任意数量的前导维度。如果 img 是 PIL Image，则应为 “L” 或 “RGB” 模式。

参数:

• policy (AutoAugmentPolicy) – 由 torchvision.transforms.autoaugment.AutoAugmentPolicy 定义的所需策略枚举。默认为 AutoAugmentPolicy.IMAGENET。

• interpolation (InterpolationMode) – 由 torchvision.transforms.InterpolationMode 定义的所需插值枚举。默认为 InterpolationMode.NEAREST。如果输入是 Tensor，则仅支持 InterpolationMode.NEAREST，InterpolationMode.BILINEAR。

• fill (sequence 或 number, optional) – 转换后图像外部区域的像素填充值。如果给定一个数字，则该值分别用于所有波段。

使用 AutoAugment 的示例

变换的图示

变换的图示

forward(img: Tensor) → Tensor

img (PIL Image 或 Tensor): 要变换的图像。

返回:

AutoAugmented 图像。

返回类型:

PIL Image 或 Tensor

static get_params(transform_num: int) → Tuple[int, Tensor, Tensor]

获取 autoaugment 变换的参数

返回:

autoaugment 变换所需的参数