mindspore.dataset.vision.MixUp
- class mindspore.dataset.vision.MixUp(batch_size, alpha, is_single=True)[源代码]
随机混合一批输入的numpy.ndarray图像及其标签。
首先将每个图像乘以一个从Beta分布随机生成的权重 \(lambda\) ,然后加上另一个图像与 \(1 - lambda\) 之积,最后使用同样的 \(lambda\) 值将图像对应的标签进行混合,请确保标签预先进行了one-hot编码。
参数:
batch_size (int) - 批处理大小,即图片的数量。
alpha (float) - Beta分布的α参数值,β参数也将使用该值。
is_single (bool,可选) - 若为True,将在批内随机混合图像[img0, …, img(n-1), img(n)]与[img1, …, img(n), img0]及对应标签;否则,将每批图像与前一批图像的处理结果混合。默认值:True。
异常:
TypeError - 当 batch_size 的类型不为int。
TypeError - 当 alpha 的类型不为float。
TypeError - 当 is_single 的类型不为bool。
ValueError - 当 batch_size 不为正数。
ValueError - 当 alpha 不为正数。
- 支持平台:
CPU
样例:
>>> # first decode the image >>> image_folder_dataset = image_folder_dataset.map(operations=vision.Decode(), ... input_columns="image") >>> # then ont hot decode the label >>> image_folder_dataset = image_folder_dataset.map(operations=transforms.OneHot(10), ... input_columns="label") >>> # batch the samples >>> batch_size = 4 >>> image_folder_dataset = image_folder_dataset.batch(batch_size=batch_size) >>> # finally mix up the images and labels >>> image_folder_dataset = image_folder_dataset.map( ... operations=py_vision.MixUp(batch_size=batch_size, alpha=0.2), ... input_columns=["image", "label"])