Parâmetros

• model (nn.Module) — a instância do modelo
• args (dict) — argumentos de linha de comando / configuração em formato de dict (sobrepõe pretrained_cfg)
• pretrained_cfg (dict) — configuração do modelo pré-treinado (sobrepõe o pretrained_cfg anexado ao modelo)
• use_test_size (bool) — usa a resolução de entrada do tempo de teste (se existir) em vez da resolução padrão de treinamento
• verbose (bool) — habilita o registro extra de valores resolvidos

Parâmetros

• input_size — Tamanho de entrada alvo (canais, altura, largura) em tupla ou escalar.
• is_training — Retorna as transformações de treinamento (aleatórias).
• no_aug — Desativa a aumentação para o treinamento (útil para depuração).
• train_crop_mode — Modo de recorte aleatório para treinamento (‘rrc’, ‘rkrc’, ‘rkrr’).
• scale — Intervalo de escala para redimensionamento aleatório (área de recorte, < 1.0 => zoom in).
• ratio — Intervalo aleatório de proporção de aspecto (proporção de recorte para RRC, fator de ajuste de proporção para RKR).
• hflip — Probabilidade de inversão horizontal.
• vflip — Probabilidade de inversão vertical.
• color_jitter — Fatores de componentes de jitter de cor aleatório (brilho, contraste, saturação, matiz). Um escalar é aplicado como (escalar,) * 3 (sem matiz).
• color_jitter_prob — Aplique color jitter com esta probabilidade, se não for None (para aumentos semelhantes ao SimCLR).
• grayscale_prob — Probabilidade de converter a imagem para escala de cinza (para aumentos semelhantes ao SimCLR).
• gaussian_blur_prob — Probabilidade de aplicar gaussian blur (para aumentos semelhantes ao SimCLR).
• auto_augment — String de configuração de auto augment (veja auto_augment.py).
• interpolation — Modo de interpolação de imagem.
• mean — Média de normalização da imagem.
• std — Desvio padrão da normalização da imagem.
• re_prob — Probabilidade de apagamento aleatório.
• re_mode — Modo de preenchimento do apagamento aleatório.
• re_count — Número de regiões de apagamento aleatório.
• re_num_splits — Controla a divisão do random erasing em relação ao tamanho do lote.
• crop_pct — Porcentagem de recorte na inferência (tamanho de saída / tamanho de redimensionamento).
• crop_mode — Modo de recorte para inferência. Um de [‘squash’, ‘border’, ‘center’]. O padrão é ‘center’ quando None.
• crop_border_pixels — Recorte de borda para inferência de # pixels especificados ao redor da borda da imagem original.
• tf_preprocessing — Use o pré-processamento de inferência do TF 1.0 para testar portagens de modelos
• use_prefetcher — Pré-busca ativada. Não converta a imagem em tensor nem normalize.
• normalize — Tensor de normalização de saída com média/desvio padrão fornecidos (se o prefetcher não for usado).
• separate — Saída em tupla de 3 estágios.
• patchify — Aplique a operação de divisão em patches à saída em vez de depender do prefetcher.
• patchify_channels_last — Use o layout channels-last dentro de cada patch.
• patchify_flatten — Achata os patches de avaliação em vetores. Desative quando o modelo precisar das suas dimensões espaciais para interpolação de tamanho de patch.

Parâmetros

• config_str (str) — String que define a configuração do aumento aleatório. Consiste em várias seções separadas por traços ('-'). A primeira seção define a variante específica de rand augment (atualmente apenas 'rand'). As seções restantes, sem ordem específica, determinam
  • ‘m’ - magnitude inteira do rand augment
  • ‘n’ - número inteiro de camadas (número de operações de transformação selecionadas por imagem)
  • ‘p’ - probabilidade flutuante de aplicar cada camada (padrão 0.5)
  • ‘mstd’ - desvio padrão flutuante do ruído de magnitude aplicado, ou amostragem uniforme se infinito (ou > 100)
  • ‘mmax’ - define o limite superior da magnitude para um valor diferente do padrão de _LEVEL_DENOM (10)
  • ‘inc’ - inteiro (bool), use aumentos que aumentam em gravidade com a magnitude (padrão: 0)
  • ‘t’ - str nome do conjunto de transformações a ser usado
• hparams (dict) — Outros hparams (kwargs) para o esquema de RandAugmentation

Parâmetros

• config_str — String que define a configuração do auto augmentation. Consiste em várias seções separadas por traços ('-'). A primeira seção define a política do AutoAugment (uma de 'v0', 'v0r', 'original', 'originalr'). As seções restantes definem outros argumentos
  • ‘mstd’ - desvio padrão flutuante do ruído de magnitude aplicado
• hparams — Outros hparams (kwargs) para o esquema AutoAugmentation

Parâmetros

• config_str (str) — String que define a configuração do aumento aleatório. Consiste em múltiplas seções separadas por traços (’-’). A primeira seção define a variante específica de rand augment (atualmente apenas ‘rand’). As seções restantes, sem ordem específica, determinam ‘m’ - magnitude (severidade) inteira da mistura de aumento (padrão: 3) ‘w’ - largura inteira da cadeia de aumento (padrão: 3) ‘d’ - profundidade inteira da cadeia de aumento (-1 é aleatório [1, 3], padrão: -1) ‘b’ - inteiro (bool), mesclar cada ramo da cadeia no resultado final sem uma mesclagem final, menos CPU (padrão: 0) ‘mstd’ - desvio padrão flutuante do ruído de magnitude aplicado (padrão: 0) Ex ‘augmix-m5-w4-d2’ resulta em AugMix com severidade 5, largura da cadeia 4, profundidade da cadeia 2
• hparams — Outros hparams (kwargs) para as transformações de Augmentation

Parâmetros

• probability — Probabilidade de a operação Random Erasing ser executada.
• min_area — Porcentagem mínima da área apagada em relação à área da imagem de entrada.
• max_area — Porcentagem máxima da área apagada em relação à área da imagem de entrada.
• min_aspect — Proporção mínima da área apagada.
• mode — modo de cor do pixel, um de ‘const’, ‘rand’ ou ‘pixel’ ‘const’ - o bloco de apagamento tem cor constante 0 para todos os canais ‘rand’ - o bloco de apagamento tem a mesma cor aleatória (normal) por canal ‘pixel’ - o bloco de apagamento tem cor aleatória (normal) por pixel

Parâmetros

• name — Nome do dataset, pode ser vazio para datasets baseados em pastas. O prefixo (por exemplo, hfds/) não diferencia maiúsculas de minúsculas, o restante é passado como está (diferenciando maiúsculas de minúsculas), exceto para nomes de torch/.
• root — Pasta raiz do conjunto de dados (Todos)
• split — Divisão do conjunto de dados (Todos)
• search_split — Busca por uma dobra de subnível específica do split a partir da raiz, permitindo especificar imagenet/ em vez de /imagenet/val, etc. na linha de comando / configuração. (Pasta, Torch)
• class_map — Especifique o mapeamento de classe -> índice por meio de um arquivo de texto ou dict (Folder)
• load_bytes — Carrega dados, retorna imagens como bytes não decodificados (Folder)
• download — Baixa o conjunto de dados, caso não esteja presente e seja suportado (HFIDS, TFDS, Torch)
• is_training — Cria o dataset em modo de treinamento, o que é diferente do split. Para Iterable / TDFS, isso habilita o shuffle, sendo ignorado para outros datasets. (TFDS, WDS, HFIDS)
• batch_size — Dica de tamanho de lote para conjuntos de dados iteráveis (TFDS, WDS, HFIDS)
• seed — Semente para conjuntos de dados iteráveis (TFDS, WDS, HFIDS)
• repeats — Repetições do dataset por iteração, ou seja, por epoch (TFDS, WDS, HFIDS)
• input_img_mode — Modo de conversão de cor da imagem de entrada, por exemplo, ‘RGB’, ‘L’ (pasta, TFDS, WDS, HFDS, HFIDS)
• trust_remote_code — Confie em código remoto em Hugging Face Datasets se True (HFDS, HFIDS)
• **kwargs — Outros argumentos para passar às classes subjacentes Dataset e/ou Reader

Parâmetros

• dataset — O conjunto de dados de imagens a ser carregado.
• input_size — Tamanho de entrada alvo (canais, altura, largura) em tupla ou escalar.
• batch_size — Número de amostras em um lote.
• is_training — Retorna as transformações de treinamento (aleatórias).
• no_aug — Desativa a aumentação para o treinamento (útil para depuração).
• re_prob — Probabilidade de apagamento aleatório.
• re_mode — Modo de preenchimento do apagamento aleatório.
• re_count — Número de regiões de apagamento aleatório.
• re_split — Controla a divisão do random erasing em relação ao tamanho do lote.
• scale — Intervalo de escala para redimensionamento aleatório (área de recorte, < 1.0 => zoom in).
• ratio — Intervalo aleatório de proporção de aspecto (proporção de recorte para RRC, fator de ajuste de proporção para RKR).
• hflip — Probabilidade de inversão horizontal.
• vflip — Probabilidade de inversão vertical.
• color_jitter — Fatores de componentes de jitter de cor aleatório (brilho, contraste, saturação, matiz). Um escalar é aplicado como (escalar,) * 3 (sem matiz).
• color_jitter_prob — Aplique jitter de cor com esta probabilidade, se não for None (para aument
• grayscale_prob — Probabilidade de converter a imagem para escala de cinza (para aumentos semelhantes ao SimCLR).
• gaussian_blur_prob — Probabilidade de aplicar gaussian blur (para aumentos semelhantes ao SimCLR).
• auto_augment — String de configuração de auto augment (veja auto_augment.py).
• num_aug_repeats — Ativa um sampler especial para repetir a mesma augmentação em GPUs distribuídas.
• num_aug_splits — Ativa o modo em que as aumentações podem ser divididas entre o lote.
• interpolation — Modo de interpolação de imagem.
• mean — Média de normalização da imagem.
• std — Desvio padrão da normalização da imagem.
• num_workers — Número de processos de worker por DataLoader.
• distributed — Ativa o carregamento de dados para treinamento distribuído.
• crop_pct — Porcentagem de recorte na inferência (tamanho de saída / tamanho de redimensionamento).
• crop_mode — Modo de recorte para inferência. Um de [‘squash’, ‘border’, ‘center’]. O padrão é ‘center’ quando None.
• crop_border_pixels — Recorte de borda para inferência de # pixels especificados ao redor da borda da imagem original.
• collate_fn — Substitui o collate_fn padrão.
• pin_memory — Fixa a memória para transferência de dispositivo.
• fp16 — Argumento obsoleto para o dtype de entrada de meia precisão. Use img_dtype.
• img_dtype — Tipo de dados para a imagem de entrada.
• device — Dispositivo para o qual os inputs e targets serão transferidos.
• use_prefetcher — Use um pré-carregador eficiente para carregar amostras no dispositivo.
• use_multi_epochs_loader —
• persistent_workers — Ativa processos de worker persistentes quando num_workers é maior que zero.
• worker_seeding — Controla a semeadura aleatória dos workers na inicialização.
• tf_preprocessing — Use o pré-processamento de inferência do TF 1.0 para testar portagens de modelos.
• input_size_choices — Escolhas de tamanho de entrada por lote para o treinamento de resolução agendada.
• batch_size_choices — Tamanho do lote correspondente a cada escolha de tamanho de entrada. Usa batch_size para todas as escolhas quando não especificado.
• batch_choice_weights — Pesos de amostragem para as escolhas de tamanho de entrada. Uniformes quando não especificados.
• batch_choice_seed — Semente aleatória usada para criar e embaralhar o agendamento do lote.
• batch_choice_schedule — Modo de agendamento de escolha, seja constant ou progressive.
• batch_schedule_epochs — Número de épocas ao longo das quais um cronograma progressivo percorre suas escolhas.
• batch_schedule_spread — Desvio padrão da janela de escolha progressiva, em unidades de índice de escolha.
• batch_schedule_random_mix — Fração de exploração aleatória uniforme sobre as escolhas com peso não nulo em um progressive schedule.
• num_batches — Número fixo de lotes do loader por época. Inferido a partir do tamanho médio do lote do agendamento para agendamentos progressivos quando não especificado.

Parâmetros

• mixup_alpha (float) — valor alpha do mixup, o mixup está ativo se > 0.
• cutmix_alpha (float) — valor do alpha do cutmix, o cutmix está ativo se > 0.
• cutmix_minmax (List[float]) — proporção mínima/máxima de imagem para cutmix, o cutmix está ativo e usa isso em vez de alpha, se não for None.
• prob (float) — probabilidade de aplicar mixup ou cutmix por lote ou elemento
• switch_prob (float) — probabilidade de alternar para cutmix em vez de mixup quando ambos estão ativos
• mode (str) — como aplicar os parâmetros de mixup/cutmix (por ‘batch’, ‘pair’ (par de elementos), ‘elem’ (elemento)
• correct_lam (bool) — aplica a correção lambda quando o bbox do cutmix é cortado pelas bordas da imagem
• label_smoothing (float) — aplica label smoothing ao tensor de destino misturado
• num_classes (int) — número de classes para o alvo
• multi_label (bool) — Misture alvos multi-rótulo densos, suavizando cada rótulo em direção a 0,5.

Parâmetros

• dataset — Dataset a ser carregado.
• patch_size — Tamanho único de patch a ser usado.
• patch_size_choices — Lista de tamanhos de patch para treinamento com tamanho de patch variável.
• patch_size_choice_probs — Probabilidades para cada escolha de tamanho de patch.
• train_seq_lens — Comprimentos de sequência de treinamento para loteamento dinâmico.
• max_seq_len — Comprimento fixo da sequência para validação.
• batch_size — Tamanho do lote para validação e comprimento máximo da sequência de treinamento.
• is_training — Indica se é para treinamento (ativa o loteamento dinâmico).
• mixup_fn — Função de mixup opcional.
• no_aug — Desativa a aumentação.
• re_prob — Probabilidade de apagamento aleatório.
• re_mode — Modo de apagamento aleatório.
• re_count — Número máximo de retângulos de apagamento.
• re_split — Sinalizador de divisão para apagamento aleatório.
• train_crop_mode — Modo de recorte para treinamento.
• scale — Intervalo de escala para o recorte de redimensionamento aleatório.
• ratio — Faixa de proporção de aspecto para o recorte de redimensionamento aleatório.
• hflip — Probabilidade de inversão horizontal.
• vflip — Probabilidade de inversão vertical.
• color_jitter — Fator de jitter de cor.
• color_jitter_prob — Probabilidade de jitter de cor.
• grayscale_prob — Probabilidade de conversão para escala de cinza.
• gaussian_blur_prob — Probabilidade de desfoque gaussiano.
• auto_augment — Política AutoAugment.
• num_aug_repeats — Número de repetições de aumento.
• num_aug_splits — Número de divisões de aumento.
• interpolation — Método de interpolação.
• mean — Valores médios de normalização.
• std — Valores de desvio padrão da normalização.
• channels — Número de canais da imagem, usado para normalização por canal no prefetcher.
• crop_pct — Porcentagem de recorte para validação.
• crop_mode — Modo de recorte.
• crop_border_pixels — Recorta os pixels da borda.
• num_workers — Número de workers de carregamento de dados.
• distributed — Se está usando treinamento distribuído.
• rank — Rank do processo para treinamento distribuído.
• world_size — Número total de processos.
• seed — Semente aleatória.
• epoch — Época inicial.
• use_prefetcher — Se deve usar pré-busca.
• pin_memory — Se deve fixar a memória.
• img_dtype — Tipo de dados da imagem.
• device — Dispositivo para onde mover os tensores.
• persistent_workers — Se deve usar workers persistentes quando num_workers for maior que zero.
• worker_seeding — Modo de semeadura dos workers.
• patchify_channels_last — Layout plano por patch. True (padrão): o índice do canal varia mais rapidamente (padrão do NaFlex). False: C-P-P (canais primeiro — layout nativo do Gemma4 / HF). Encaminhado para o Patchify upstream e para o layout de normalização do prefetcher.