mindspore.dataset.vision.AutoAugment

查看源文件
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.IMAGENETAutoAugmentPolicy.CIFAR10AutoAugmentPolicy.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:
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: