MixUp

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

將 MixUp 應用於提供的圖像和標籤批次。

論文: mixup: 超越經驗風險最小化。

注意

此轉換旨在用於樣本批次，而不是單獨的圖像。 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，並且透過匹配批次中的連續樣本來完成，因此批次需要被洗牌（這是一個實作細節，而不是一個保證的慣例）。

在輸入中，預期標籤是形狀為 (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 mixup 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 one-hot 編碼。 只有當標籤已經是 one-hot 編碼時，才能為 None。

• labels_getter (callable 或 "default", 選用) – 指示如何識別輸入中的標籤。 預設情況下，如果它是 tensor，這將選擇第二個參數作為標籤。 這涵蓋了最常見的場景，即此轉換被調用為 MixUp()(imgs_batch, labels_batch)。 它也可以是一個可調用物件，它接受與轉換相同的輸入，並傳回標籤。

使用 MixUp 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]

用於覆寫以進行自訂轉換的方法。

請參閱 如何編寫您自己的 v2 轉換

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

用於覆寫以進行自訂轉換的方法。

請參閱 如何編寫您自己的 v2 轉換