RandAugment

class torchvision.transforms.v2.RandAugment(num_ops: int = 2, magnitude: int = 9, num_magnitude_bins: int = 31, 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)

基于 “RandAugment: 具有减少搜索空间的实用自动数据增强” 的 RandAugment 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，并且应具有 […, 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，则其模式应为“L”或“RGB”。

参数：

• num_ops (int, 可选) – 要按顺序应用的增强变换的数量。

• magnitude (int, 可选) – 所有变换的幅度。

• num_magnitude_bins (int, 可选) – 不同幅度值的个数。

• interpolation (InterpolationMode, 可选) – 由 torchvision.transforms.InterpolationMode 定义的所需插值枚举。默认值为 InterpolationMode.NEAREST。如果输入是张量，则仅支持 InterpolationMode.NEAREST 和 InterpolationMode.BILINEAR。

• fill (序列 或 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，则该值将分别用于所有频段。

使用 RandAugment 的示例

变换的说明

变换的说明

forward(*inputs: Any) → Any

定义每次调用时执行的计算。

应由所有子类覆盖。

注意

虽然前向传递的配方需要在此函数内定义，但应该在之后调用 Module 实例，而不是这个，因为前者负责运行注册的钩子，而后者会静默地忽略它们。