パラメータ

• model (nn.Module) — モデルのインスタンス
• args (dict) — dict形式のコマンドライン引数/設定（pretrained_cfgを上書きします）
• pretrained_cfg (dict) — 事前学習済みモデルの設定（モデルに付随する pretrained_cfg を上書きします）
• use_test_size (bool) — デフォルトの学習解像度ではなく、テスト時の入力解像度（存在する場合）を使用します
• verbose (bool) — 解決された値の追加ログ出力を有効にします

パラメータ

• input_size — 目標の入力サイズ（チャネル数、高さ、幅）のタプルまたはサイズのスカラー値。
• is_training — トレーニング（ランダム）変換を返します。
• no_aug — 学習時のデータ拡張を無効にします（デバッグに便利です）。
• train_crop_mode — 学習時のランダムクロップモード（‘rrc’、‘rkrc’、‘rkrr’）。
• scale — ランダムリサイズのスケーリング範囲（クロップ領域、< 1.0 => ズームイン）。
• ratio — ランダムなアスペクト比の範囲（RRC におけるクロップ比率、RKR における比率調整係数）。
• hflip — 水平方向に反転する確率。
• vflip — 垂直方向の反転確率。
• color_jitter — ランダムカラージッターのコンポーネント係数（明るさ、コントラスト、彩度、色相）。 スカラー値は (scalar,) * 3 として適用されます（色相なし）。
• color_jitter_prob — None 以外の場合、この確率でカラージャITTERを適用します（SimCLR 系の拡張用）。
• grayscale_prob — 画像をグレースケールに変換する確率（SimCLR 系の拡張用）。
• gaussian_blur_prob — ガウシアンぼかしを適用する確率（SimCLR風のデータ拡張用）。
• auto_augment — Auto augment 設定文字列（auto_augment.py を参照）。
• interpolation — 画像補間モード。
• mean — 画像正規化の平均値。
• std — 画像正規化の標準偏差。
• re_prob — ランダムイレーシングの確率。
• re_mode — ランダムイレーシングの塗りつぶしモード。
• re_count — ランダムエラージョン領域の数。
• re_num_splits — バッチサイズ全体でのランダムイレーシングの分割を制御します。
• crop_pct — 推論時のクロップ率（出力サイズ / リサイズサイズ）。
• crop_mode — 推論時のクロップモード。[‘squash’, ‘border’, ‘center’] のいずれかです。None の場合は ‘center’ がデフォルトになります。
• crop_border_pixels — 推論時に、元の画像の端から指定した # ピクセル分の境界をクロップします。
• tf_preprocessing — モデル移植のテストに TF 1.0 推論前処理を使用
• use_prefetcher — Pre-fetcherが有効です。画像をテンソルに変換したり、正規化したりしないでください。
• normalize — 指定された平均/標準偏差を用いた正規化テンソルの出力（プリフェッチャーを使用しない場合）。
• separate — 出力を3段階のタプルに変換します。
• patchify — プリフェッチャーに依存する代わりに、出力をパッチ化します。
• patchify_channels_last — 各パッチ内でチャネルラストのレイアウトを使用します。
• patchify_flatten — 評価用パッチをベクトルにフラット化します。モデルがパッチサイズの補間のために空間次元を必要とする場合は、無効にしてください。

パラメータ

• config_str (str) — ランダム拡張の設定を定義する文字列。ダッシュ（'-'）で区切られた複数のセクションで構成されます。最初のセクションは、rand augment の特定のバリアントを定義します（現在は 'rand' のみ）。残りのセクションは順序を問わず、
  • ‘m’ - rand augmentの整数値のmagnitude
  • ‘n’ - 整数、レイヤー数（1枚の画像ごとに選択されるtransform操作の数）
  • ‘p’ - 各レイヤーを適用する浮動小数点の確率（デフォルトは 0.5）
  • ‘mstd’ - 適用されるmagnitudeノイズのfloat標準偏差、またはinfinity（または > 100）の場合はuniform sampling
  • ‘mmax’ - 絶対値の上限を、デフォルトの _LEVEL_DENOM (10) 以外の値に設定します
  • ‘inc’ - 整数 (bool)、重みの大きさとともに深刻度が増す拡張を使用します (デフォルト: 0)
  • ‘t’ - 使用する変換セットの名前 (str)
• hparams (dict) — RandAugmentationスキーム用のその他のハイパーパラメータ（kwargs）

パラメータ

• config_str — 自動拡張の設定を定義する文字列。ダッシュ（'-'）で区切られた複数のセクションで構成されています。最初のセクションでは AutoAugment のポリシー（'v0'、'v0r'、'original'、'originalr' のいずれか）を定義し、残りのセクションではその他の引数を定義します。
  • ‘mstd’ - 適用されるマグニチュードノイズの浮動小数点標準偏差
• hparams — AutoAugmentationスキーム用のその他のハイパーパラメータ（kwargs）

パラメータ

• config_str (str) — ランダム拡張の設定を定義する文字列。ダッシュ（’-’）で区切られた複数のセクションで構成されます。最初のセクションは、rand augment の特定のバリアントを定義します（現在サポートされているのは ‘rand’ のみ）。残りのセクションは順序を指定せず、以下のパラメータを決定します。 ‘m’ - 拡張ミックスの整数のマグニチュード（深刻度）（デフォルト: 3） ‘w’ - 拡張チェーンの整数の幅（デフォルト: 3） ‘d’ - 拡張チェーンの整数の深さ（-1 はランダム [1, 3]、デフォルト: -1） ‘b’ - 整数（bool）、最終的なブレンドなしでチェーンの各ブランチを最終結果にブレンドし、CPU 負荷を軽減します（デフォルト: 0） ‘mstd’ - 適用されるマグニチュードノイズの浮動小数点の標準偏差（デフォルト: 0） 例: ‘augmix-m5-w4-d2’ は、深刻度 5、チェーン幅 4、チェーン深さ 2 の AugMix を生成します
• hparams — 拡張変換用のその他のハイパーパラメータ（kwargs）

パラメータ

• probability — Random Erasing 操作が実行される確率。
• min_area — 入力画像の面積に対する消去領域の最小割合。
• max_area — 入力画像の面積に対する消去領域の最大割合。
• min_aspect — 消去領域の最小アスペクト比。
• mode — ピクセルカラーモード。‘const’、‘rand’、‘pixel’のいずれかです。 ‘const’ - 消去ブロックは、すべてのチャネルで0の一定色です。 ‘rand’ - 消去ブロックは、チャネルごとに同じランダム（正規）色です。 ‘pixel’ - 消去ブロックは、ピクセルごとにランダム（正規）色です。

パラメータ

• name — データセット名。フォルダベースのデータセットの場合は空でも構いません。プレフィックス（例: hfds/）は大文字小文字を区別せず、torch/ 以外の名前はそのまま（大文字小文字を区別して）渡されます。
• root — データセットのルートフォルダ（すべて）
• split — データセットの分割（すべて）
• search_split — ルートから分割に固有の子フォルダを検索することで、コマンドラインや設定でimagenet/のように指定でき、/imagenet/valなどを指定する必要がなくなります。(Folder, Torch)
• class_map — テキストファイルまたは辞書（Folder）でクラス -> インデックスのマッピングを指定します
• load_bytes — データを読み込み、画像をデコードされていないバイトとして返します（Folder）
• download — 存在せず、サポートされている場合（HFIDS、TFDS、Torch）にデータセットをダウンロードします
• is_training — train モードでデータセットを作成します。これは split とは異なります。 Iterable / TDFS の場合は shuffle が有効になり、その他のデータセット（TFDS、WDS、HFIDS）では無視されます。
• batch_size — イテラブルなデータセット（TFDS、WDS、HFIDS）向けのバッチサイズヒント
• seed — 反復可能データセット（TFDS、WDS、HFIDS）用のシード
• repeats — 1回のイテレーション（つまりエポック）あたりのDatasetの繰り返し回数（TFDS、WDS、HFIDS）
• input_img_mode — 入力画像の色変換モード（例: ‘RGB’、‘L’）（folder、TFDS、WDS、HFDS、HFIDS）
• trust_remote_code — True の場合、Hugging Face Datasets 内のリモートコードを信頼します (HFDS, HFIDS)
• **kwargs — 基盤となる Dataset クラスおよび/または Reader クラスに渡すその他の引数

パラメータ

• dataset — 読み込む画像データセット。
• input_size — 目標の入力サイズ（チャネル数、高さ、幅）のタプルまたはサイズのスカラー値。
• batch_size — バッチ内のサンプル数。
• is_training — トレーニング（ランダム）変換を返します。
• no_aug — 学習時のデータ拡張を無効にします（デバッグに便利です）。
• re_prob — ランダムイレーシングの確率。
• re_mode — ランダムイレーシングの塗りつぶしモード。
• re_count — ランダムエラージョン領域の数。
• re_split — バッチサイズにわたるランダムイレーシングの分割を制御します。
• scale — ランダムリサイズのスケーリング範囲（クロップ領域、< 1.0 => ズームイン）。
• ratio — ランダムなアスペクト比の範囲（RRC におけるクロップ比率、RKR における比率調整係数）。
• hflip — 水平方向に反転する確率。
• vflip — 垂直方向の反転確率。
• color_jitter — ランダムカラージッターのコンポーネント係数（明るさ、コントラスト、彩度、色相）。 スカラー値は (scalar,) * 3 として適用されます（色相なし）。
• color_jitter_prob — None 以外の場合、この確率でカラージャITTERを適用します（SimCLR 風の拡張
• grayscale_prob — 画像をグレースケールに変換する確率（SimCLR 系の拡張用）。
• gaussian_blur_prob — ガウシアンぼかしを適用する確率（SimCLR風のデータ拡張用）。
• auto_augment — Auto augment 設定文字列（auto_augment.py を参照）。
• num_aug_repeats — 分散GPU間で同じ拡張を繰り返すための特別なサンプラーを有効にします。
• num_aug_splits — 拡張をバッチ内で分割できるモードを有効にします。
• interpolation — 画像補間モード。
• mean — 画像正規化の平均値。
• std — 画像正規化の標準偏差。
• num_workers — DataLoader ごとに使用されるワーカープロセスの数。
• distributed — 分散学習用のデータローディングを有効にします。
• crop_pct — 推論時のクロップ率（出力サイズ / リサイズサイズ）。
• crop_mode — 推論時のクロップモード。[‘squash’, ‘border’, ‘center’] のいずれかです。None の場合は ‘center’ がデフォルトになります。
• crop_border_pixels — 推論時に、元の画像の端から指定した # ピクセル分の境界をクロップします。
• collate_fn — デフォルトのcollate_fnを上書きします。
• pin_memory — デバイスへの転送のためにメモリをピン留めします。
• fp16 — 半精度入力 dtype 用の非推奨引数。img_dtype を使用してください。
• img_dtype — 入力画像のデータ型。
• device — 入力とターゲットを転送するデバイス。
• use_prefetcher — 効率的なプリフェッチャーを使用して、サンプルをデバイスに読み込みます。
• use_multi_epochs_loader —
• persistent_workers — num_workersがゼロより大きい場合、永続的なワーカープロセスを有効にします。
• worker_seeding — 初期化時のワーカーのランダムシード設定を制御します。
• tf_preprocessing — モデル移植のテストに TF 1.0 推論前処理を使用します。
• input_size_choices — スケジュールされた解像度学習用のバッチごとの入力サイズ選択。
• batch_size_choices — 各入力サイズ選択に対応するバッチサイズ。指定されていない場合、すべての選択に対してbatch_sizeを使用します。
• batch_choice_weights — 入力サイズ選択のサンプリング重み。指定されていない場合は均等です。
• batch_choice_seed — バッチスケジュールの作成とシャッフルに使用される乱数シード。
• batch_choice_schedule — Choiceスケジュールモード。constantまたはprogressiveのいずれかです。
• batch_schedule_epochs — 段階的なスケジュールが選択肢を順に移動するエポック数。
• batch_schedule_spread — 漸進的選択ウィンドウの標準偏差（選択インデックス単位）。
• batch_schedule_random_mix — 段階的スケジュールにおいて、重みがゼロでない選択肢に対する一様ランダム探索の割合。
• num_batches — 1エポックあたりのローダーバッチの固定数。指定されていない場合、プログレッシブスケジュールではスケジュール平均バッチサイズから推定されます。

パラメータ

• mixup_alpha (float) — mixupのalpha値です。0より大きい場合、mixupが有効になります。
• cutmix_alpha (float) — cutmix の alpha 値です。0 より大きい場合、cutmix が有効になります。
• cutmix_minmax (List[float]) — cutmix の最小/最大画像比率。cutmix が有効な場合、None でない場合は alpha の代わりにこれを使用します。
• prob (float) — バッチまたは要素ごとにmixupまたはcutmixを適用する確率
• switch_prob (float) — 両方が有効な場合、mixup ではなく cutmix に切り替える確率
• mode (str) — mixup/cutmix パラメータを適用する方法（‘batch’、‘pair’（要素のペア）、‘elem’（要素））
• correct_lam (bool) — cutmix の bbox が画像の境界でクリップされた場合、lambda 補正を適用します
• label_smoothing (float) — 混合ターゲットテンソルにラベルスモーthingを適用します
• num_classes (int) — ターゲットのクラス数
• multi_label (bool) — 密なマルチラベルのターゲットを混合し、各ラベルを0.5に向けて平滑化します。

パラメータ

• dataset — 読み込む対象のデータセット。
• patch_size — 使用する単一のパッチサイズ。
• patch_size_choices — 可変パッチサイズ学習用のパッチサイズのリスト。
• patch_size_choice_probs — 各パッチサイズ選択の確率。
• train_seq_lens — 動的バッチング用の学習シーケンス長。
• max_seq_len — 検証用の固定シーケンス長。
• batch_size — 検証用のバッチサイズおよび最大トレーニングシーケンス長。
• is_training — 学習用かどうか（動的バッチングを有効にします）。
• mixup_fn — 任意の mixup 関数。
• no_aug — 拡張を無効にします。
• re_prob — ランダムイレーシングの確率。
• re_mode — ランダムイレーシングのモード。
• re_count — 消去用矩形の最大数。
• re_split — ランダムイレーズ分割フラグ。
• train_crop_mode — 学習時のクロップモード。
• scale — ランダムリサイズクロップのスケール範囲。
• ratio — ランダムリサイズクロップのアスペクト比の範囲。
• hflip — 水平方向に反転する確率。
• vflip — 垂直方向の反転確率。
• color_jitter — 色ジッター係数。
• color_jitter_prob — 色ジッターの確率。
• grayscale_prob — グレースケール変換の確率。
• gaussian_blur_prob — ガウシアンぼかしの確率。
• auto_augment — AutoAugmentポリシー。
• num_aug_repeats — 拡張の繰り返し回数。
• num_aug_splits — 拡張スプリットの数。
• interpolation — 補間方法。
• mean — 正規化用の平均値。
• std — 正規化の標準偏差の値。
• channels — 画像のチャネル数。プリフェッチャーでのチャネルごとの正規化に使用されます。
• crop_pct — 検証用のクロップ率。
• crop_mode — クロップモード。
• crop_border_pixels — 境界ピクセルをクロップします。
• num_workers — データ読み込みワーカーの数。
• distributed — 分散学習を使用するかどうか。
• rank — 分散学習用のプロセスランク。
• world_size — プロセスの総数。
• seed — ランダムシード。
• epoch — 開始エポック。
• use_prefetcher — プリフェッチを使用するかどうか。
• pin_memory — メモリをピン留めするかどうか。
• img_dtype — 画像のデータ型。
• device — テンソルを移動先とするデバイス。
• persistent_workers — num_workersがゼロより大きい場合、永続的なワーカーを使用するかどうか。
• worker_seeding — Workerのシード設定モード。
• patchify_channels_last — パッチごとのフラットなレイアウト。True（デフォルト）： チャネルインデックスが最も速く変化します（NaFlexのデフォルト）。False：C-P-P （チャネル優先 — Gemma4 / HFネイティブレイアウト）。上流のPatchifyおよびプリフェッチャーの正規化レイアウトに転送されます。