✕
训练预算如何决定数据增强的惩罚：算子相关的幅度与衰减速度
How the Training Budget Determines the Penalty of Data Augmentation: Operator-Dependent Magnitude and Decay Rate
摘要
[目的] 预算受限时，增强代价如何随训练预算变化、是否依赖算子，尚缺乏受控测量。
[方法] 在 Fashion-MNIST 与 CIFAR-10 上完成 186 次受控运行，同一模型与协议下对照 CutMix 与 MixUp，覆盖 1–120 epoch，每配置 3 个种子。
[结果] 惩罚衰减形式与算子、数据集无关，但初值依赖算子：MixUp 初始惩罚仅为 CutMix 的 22.3%（CIFAR-10）与 22.7%（Fashion-MNIST），噪声带时点差 4 倍。
[局限] 模型仅 0.468 M 参数、图像尺寸小、仅测两个算子；120 epoch 仅覆盖 CIFAR-10 且 n=3，置信区间跨零。
[结论] “增强需要多少轮才不亏”取决于算子；种子数须匹配结论的适用范围。