CutMix

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

將 CutMix 應用於提供的影像和標籤批次。

論文： CutMix: Regularization Strategy to Train Strong Classifiers with Localizable Features。

注意

此轉換旨在用於批次樣本，而不是單獨的影像。請參閱 如何使用 CutMix 和 MixUp 以取得詳細的使用範例。樣本配對是確定性的，並且透過比對批次中的連續樣本來完成，因此需要對批次進行洗牌（這是一個實作細節，而不是保證的慣例）。

在輸入中，標籤預期為形狀為 (batch_size,) 的張量。它們將被轉換為形狀為 (batch_size, num_classes) 的張量。

參數:

• alpha (float, optional) – 用於混音的 Beta 分佈的超參數。預設值為 1。

• num_classes (int, optional) – 批次中的類別數量。用於單熱編碼。只有當標籤已經是單熱編碼時才能為 None。

• labels_getter (callable 或 "default", optional) – 指出如何識別輸入中的標籤。預設情況下，如果第二個參數是 tensor，則會將其選作標籤。這涵蓋了最常見的場景，即此轉換被呼叫為 CutMix()(imgs_batch, labels_batch)。它也可以是一個 callable，它接受與轉換相同的輸入，並傳回標籤。

使用 CutMix 的範例

如何使用 CutMix 和 MixUp

如何使用 CutMix 和 MixUp

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

用於覆寫自訂轉換的方法。

請參閱 如何編寫您自己的 v2 轉換

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

用於覆寫自訂轉換的方法。

請參閱 如何編寫您自己的 v2 轉換