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批次，而不是单个图像。 有关详细用法示例，请参阅如何使用 CutMix 和 MixUp。 样本配对是确定性的，并通过匹配批次中的连续样本来完成，因此批次需要被打乱（这是一个实现细节，而不是保证的约定。）
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, 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 one-hot 编码。 仅当标签已进行 one-hot 编码时才能为 None。
labels_getter (可调用对象 或 "default", 可选) – 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，则将其选为标签。 这涵盖了最常见的场景，即此转换被调用为 MixUp()(imgs_batch, labels_batch)。 它也可以是可调用对象，该对象接受与转换相同的输入，并返回标签。
使用 MixUp 的示例
-
make_params(flat_inputs: List[Any]) → Dict[str, Any][source]
覆盖自定义转换的方法。
请参阅如何编写您自己的 v2 转换
-
transform(inpt: Any, params: Dict[str, Any]) → Any[source]
覆盖自定义转换的方法。
请参阅如何编写您自己的 v2 转换
