mindspore.dataset.vision.MixUpBatch

查看源文件
class mindspore.dataset.vision.MixUpBatch(alpha=1.0)[源代码]

对输入批次的图像和标注应用混合转换。从批处理中随机抽取两个图像，其中一个图像乘以随机权重 (lambda)，另一个图像乘以 (1 - lambda)，并相加。该处理将会同时应用于one-hot标注。

上述的 lambda 是根据指定的参数 alpha 生成的。计算方式为在 [alpha, 1] 范围内随机生成两个系数 x1，x2 ，然后 lambda = (x1 / (x1 + x2))。

请注意，在调用此处理之前，您需要将标注制作成 one-hot 格式并进行batch操作。

参数：

  • alpha (float, 可选) - β分布的超参数，该值必须为正。默认值： 1.0 。

异常：

  • TypeError - 如果 alpha 不是float类型。

  • ValueError - 如果 alpha 不是正数。

  • RuntimeError - 如果输入图像的shape不是 <N, H, W, C> 或 <N, C, H, W>。

支持平台：

CPU

样例：

>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>> import mindspore.dataset.transforms as transforms
>>>
>>> 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"])
>>> mixup_batch_op = vision.MixUpBatch(alpha=0.9)
>>> image_folder_dataset = image_folder_dataset.batch(5)
>>> image_folder_dataset = image_folder_dataset.map(operations=mixup_batch_op,
...                                                 input_columns=["image", "label"])
教程样例：