MixUp

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

将 MixUp 应用于提供的图像和标签批次。

论文：mixup: Beyond Empirical Risk Minimization。

注意

此转换（transform）旨在用于样本的**批次**，而不是单个图像。有关详细用法示例，请参见如何使用 CutMix 和 MixUp。样本配对是确定性的，通过匹配批次中的连续样本完成，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。）

输入时，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 分布超参数。默认值为 1。

• num_classes (int, 可选) – 批次中的类别数。用于 one-hot-encoding。仅当标签已是 one-hot-encoded 时，此参数才能为 None。

• labels_getter (callable 或 "default", 可选) – 指示如何在输入中识别标签。默认情况下，如果第二个参数是张量，则将其作为标签。这涵盖了最常见的情况，即此转换（transform）被调用为 MixUp()(imgs_batch, labels_batch)。它也可以是一个可调用对象，接收与转换（transform）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

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

为自定义转换（transforms）而重写的方法。

请参见如何编写自己的 v2 转换（transforms）

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

为自定义转换（transforms）而重写的方法。

请参见如何编写自己的 v2 转换（transforms）