mindspore.dataset.vision.AutoAugment

class mindspore.dataset.vision.AutoAugment(policy=AutoAugmentPolicy.IMAGENET, interpolation=Inter.NEAREST, fill_value=0)[源代码]

应用AutoAugment数据增强方法，基于论文 AutoAugment: Learning Augmentation Strategies from Data 。此操作仅适用于3通道RGB图像。

参数：

policy (AutoAugmentPolicy, 可选) - 在不同数据集上学习的AutoAugment策略。默认值： AutoAugmentPolicy.IMAGENET 。可以是 AutoAugmentPolicy.IMAGENET 、 AutoAugmentPolicy.CIFAR10 、 AutoAugmentPolicy.SVHN 。
- AutoAugmentPolicy.IMAGENET：表示应用在ImageNet数据集上学习的AutoAugment。
- AutoAugmentPolicy.CIFAR10：表示应用在Cifar10数据集上学习的AutoAugment。
- AutoAugmentPolicy.SVHN：表示应用在SVHN数据集上学习的AutoAugment。
interpolation (Inter, 可选) - 图像插值方法。可选值详见 mindspore.dataset.vision.Inter 。默认值： Inter.NEAREST。
fill_value (Union[int, tuple[int]], 可选) - 填充的像素值。如果是3元素元组，则分别用于填充R、G、B通道。如果是整数，则用于所有 RGB 通道。 fill_value 值必须在 [0, 255] 范围内。默认值： 0 。

异常：

TypeError - 如果 policy 不是 mindspore.dataset.vision.AutoAugmentPolicy 类型。
TypeError - 如果 interpolation 不是 mindspore.dataset.vision.Inter 类型。
TypeError - 如果 fill_value 不是整数或长度为3的元组。
RuntimeError - 如果给定的张量shape不是<H, W, C>。

支持平台：

CPU

样例：

>>> import numpy as np
>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>> from mindspore.dataset.vision import AutoAugmentPolicy, Inter
>>>
>>> # Use the transform in dataset pipeline mode
>>> transforms_list = [vision.AutoAugment(policy=AutoAugmentPolicy.IMAGENET,
...                                       interpolation=Inter.NEAREST,
...                                       fill_value=0)]
>>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8)
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"])
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms_list, input_columns=["image"])
>>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True):
...     print(item["image"].shape, item["image"].dtype)
...     break
(100, 100, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.AutoAugment()(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8

教程样例：

视觉变换样例库