AutoAugment

class torchvision.transforms.v2.AutoAugment(policy: AutoAugmentPolicy = AutoAugmentPolicy.IMAGENET, interpolation: Union[InterpolationMode, int] = InterpolationMode.NEAREST, fill: Union[int, float, Sequence[int], Sequence[float], None, Dict[Union[Type, str], Optional[Union[int, float, Sequence[int], Sequence[float]]]] = None)

基于 “AutoAugment：从数据中学习增强策略” 的 AutoAugment 数据增强方法。

此变换仅适用于图像和视频。

如果输入是 torch.Tensor，它应该为 torch.uint8 类型，并且预期具有 […, 1 或 3, H, W] 形状，其中 … 表示任意数量的前导维度。如果 img 是 PIL 图像，则预期其模式为“L”或“RGB”。

参数：

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

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

• fill (序列 或 数字，可选) – 变换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频带。

使用 AutoAugment 的示例

变换说明

变换说明

forward(*inputs: Any) → Any

定义每次调用时执行的计算。

应由所有子类覆盖。

注意

尽管前向传播的配方需要在此函数内定义，但之后应该调用 Module 实例而不是它，因为前者会处理已注册的钩子，而后者则会默默忽略它们。

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

获取自动增强变换的参数

返回:

自动增强变换所需的参数