MixUp

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

将 MixUp 应用于提供的图像和标签批次。

论文: mixup: Beyond Empirical Risk Minimization。

注意

此转换用于 **批次** 样本，而不是单个图像。有关详细的使用示例，请参阅 如何使用 CutMix 和 MixUp。样本配对是确定性的，通过匹配批次中的连续样本来完成，因此需要对批次进行混洗（这是一个实现细节，并非保证的约定）。

在输入中，标签应为形状为 (batch_size,) 的张量。它们将被转换为形状为 (batch_size, num_classes) 的张量。

参数:

• alpha (float, 可选) – 用于 mixup 的 Beta 分布的超参数。默认为 1。

• num_classes (int, 可选) – 批次中的类别数。用于独热编码。仅当标签已为独热编码时，才能为 None。

• labels_getter (callable 或 "default", 可选) – 指示如何识别输入中的标签。默认情况下，如果第二个参数是张量，则会将其作为标签。这涵盖了最常见的情况，即此转换的调用方式为 MixUp()(imgs_batch, labels_batch)。它也可以是一个可调用对象，该对象接收与转换相同的输入，并返回标签。

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]

用于覆盖自定义变换的方法。

请参阅 如何编写自己的 v2 变换

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

用于覆盖自定义变换的方法。

请参阅 如何编写自己的 v2 变换