mindspore.dataset.vision.CutMixBatch
- class mindspore.dataset.vision.CutMixBatch(image_batch_format, alpha=1.0, prob=1.0)[源代码]
对输入批次的图像和标注应用剪切混合转换。 请注意,在调用此操作符之前,您需要将标注制作为 one-hot 格式并进行批处理。
- 参数:
image_batch_format (
ImageBatchFormat
) - 图像批处理输出格式。可以是ImageBatchFormat.NHWC
或ImageBatchFormat.NCHW
。alpha (float, 可选) - β分布的超参数,必须大于0。默认值:
1.0
。prob (float, 可选) - 对每个图像应用剪切混合处理的概率,取值范围:[0.0, 1.0]。默认值:
1.0
。
- 异常:
TypeError - 如果 image_batch_format 不是
mindspore.dataset.vision.ImageBatchFormat
的类型。TypeError - 如果 alpha 不是float类型。
TypeError - 如果 prob 不是 float 类型。
ValueError - 如果 alpha 小于或等于 0。
ValueError - 如果 prob 不在 [0.0, 1.0] 范围内。
RuntimeError - 如果输入图像的shape不是 <H, W, C>。
- 支持平台:
CPU
样例:
>>> import mindspore.dataset as ds >>> import mindspore.dataset.vision as vision >>> import mindspore.dataset.transforms as transforms >>> from mindspore.dataset.vision import ImageBatchFormat >>> >>> image_folder_dataset = ds.ImageFolderDataset("/path/to/image_folder_dataset_directory") >>> onehot_op = transforms.OneHot(num_classes=10) >>> image_folder_dataset= image_folder_dataset.map(operations=onehot_op, ... input_columns=["label"]) >>> cutmix_batch_op = vision.CutMixBatch(ImageBatchFormat.NHWC, 1.0, 0.5) >>> image_folder_dataset = image_folder_dataset.batch(5) >>> image_folder_dataset = image_folder_dataset.map(operations=cutmix_batch_op, ... input_columns=["image", "label"])
- 教程样例: