快捷方式

MixUp

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

将 MixUp 应用于提供的图像和标签批次。

论文:mixup:超越经验风险最小化

注意

此转换旨在用于样本的**批次**,而不是单个图像。有关详细的使用示例,请参阅如何使用 CutMix 和 MixUp。样本配对是确定性的,并通过匹配批次中连续的样本来完成,因此需要对批次进行洗牌(这是一个实现细节,而不是保证的约定)。

在输入中,标签应为形状为(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, 可选) – 用于 mixup 的 Beta 分布的超参数。默认为 1。

  • num_classes (int, 可选) – 批次中的类别数。用于独热编码。仅当标签已进行独热编码时,才能为 None。

  • labels_getter (callable"default", 可选) – 指示如何在输入中识别标签。默认情况下,如果它是张量,则将第二个参数作为标签。这涵盖了此转换最常被调用为MixUp()(imgs_batch, labels_batch)的情况。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MixUp的示例

如何使用 CutMix 和 MixUp

如何使用 CutMix 和 MixUp

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取面向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