MixUp

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

將 MixUp 應用於提供的影像和標籤批次。

論文: mixup: Beyond Empirical Risk Minimization。

注意

此轉換用於 **批次** 樣本，而不是單個影像。有關詳細的使用示例，請參閱 如何使用 CutMix 和 MixUp。樣本配對是確定性的，透過匹配批次中的連續樣本來完成，因此需要對批次進行混洗（這是一個實現細節，並非保證的約定）。

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

引數:

• alpha (float, 可選) – 用於 mixup 的 Beta 分佈的超引數。預設為 1。

• num_classes (int, 可選) – 批次中的類別數。用於獨熱編碼。僅當標籤已為獨熱編碼時，才能為 None。

• labels_getter (callable 或 "default", 可選) – 指示如何識別輸入中的標籤。預設情況下，如果第二個引數是張量，則會將其作為標籤。這涵蓋了最常見的情況，即此轉換的呼叫方式為 MixUp()(imgs_batch, labels_batch)。它也可以是一個可呼叫物件，該物件接收與轉換相同的輸入，並返回標籤。

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]

用於覆蓋自定義變換的方法。

請參閱 如何編寫自己的 v2 變換

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

用於覆蓋自定義變換的方法。

請參閱 如何編寫自己的 v2 變換