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（transform）旨在用於樣本的**批次**，而不是單個影像。有關詳細用法示例，請參見如何使用 CutMix 和 MixUp。樣本配對是確定性的，透過匹配批次中的連續樣本完成，因此批次需要被打亂（這是一個實現細節，而不是保證的約定。）

輸入時，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 分佈超引數。預設值為 1。

• num_classes (int, 可選) – 批次中的類別數。用於 one-hot-encoding。僅當標籤已是 one-hot-encoded 時，此引數才能為 None。

• labels_getter (callable 或 "default", 可選) – 指示如何在輸入中識別標籤。預設情況下，如果第二個引數是張量，則將其作為標籤。這涵蓋了最常見的情況，即此轉換（transform）被呼叫為 MixUp()(imgs_batch, labels_batch)。它也可以是一個可呼叫物件，接收與轉換（transform）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]

為自定義轉換（transforms）而重寫的方法。

請參見如何編寫自己的 v2 轉換（transforms）

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

為自定義轉換（transforms）而重寫的方法。

請參見如何編寫自己的 v2 轉換（transforms）