快捷方式

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)[源代码]

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.NEARESTInterpolationMode.BILINEAR

  • fill (序列数字可选) – 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[源代码]

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][source]

获取自动增强变换的参数

返回:

自动增强变换所需的参数

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源