CutMix

class torchvision.transforms.v2.CutMix(*, alpha: float = 1.0, num_classes: Optional[int] = None, labels_getter='default')

将 CutMix 应用于提供的图像和标签批次。

论文: CutMix：使用可定位特征训练强大分类器的正则化策略。

注意

此转换旨在用于样本批次，而不是单个图像。 查看 如何使用 CutMix 和 MixUp 查看详细的使用示例。 样本配对是确定性的，通过匹配批次中连续的样本来完成，因此批次需要被打乱（这是一个实现细节，不是保证的惯例）。

在输入中，标签预计是形状为 (batch_size,) 的张量。 它们将被转换为形状为 (batch_size, num_classes) 的张量。

参数:

• alpha (float, optional) – 用于 mixup 的 Beta 分布的超参数。 默认为 1。

• num_classes (int, optional) – 批次中的类别数量。 用于 one-hot 编码。 只有当标签已经是 one-hot 编码时才能为 None。

• labels_getter (callable 或 "default", optional) – 指示如何识别输入中的标签。 默认情况下，如果第二个参数是张量，则将其作为标签。 这涵盖了最常见的场景，即此转换被调用为 CutMix()(imgs_batch, labels_batch)。 它也可以是一个可调用对象，它接受与转换相同的输入，并返回标签。

使用 CutMix 的示例

如何使用 CutMix 和 MixUp

如何使用 CutMix 和 MixUp

make_params(flat_inputs: List[Any]) → Dict[str, Any]

用于覆盖自定义转换的方法。

查看 如何编写自己的 v2 转换

transform(inpt: Any, params: Dict[str, Any]) → Any

用于覆盖自定义转换的方法。

查看 如何编写自己的 v2 转换