pytorch中的随机克罗普（1）

给我买咖啡☕

*备忘录：

我的帖子解释了randomcrop（）有关填充，填充和padding_mode参数。>我的帖子说明了关于pad_if_need的参数的randomcrop（）。我的帖子解释了牛津iiitpet（）。randomcrop（）可以随机裁剪图像，如下所示：

*备忘录：

>初始化的第一个参数是大小（必需类型：int或tuple/list/list（int）或size（））：*备忘录：是[高度，宽度]。>必须是1个元组/列表必须是具有1或2个元素的1d。单个值（int或tuple/list（int））是指[size，size]。>初始化的第二个参数是填充（可选默认：非类型：int或tuple/list（int））：*备忘录：是[左上，右，底部]，可以从[左右，底部]或[左右右下]转换。一个元组/列表必须是1d，具有1、2或4个元素。单个值（int或tuple/list（int））是指[填充，填充，填充，填充]。> double值（元组/列表（int））表示[填充[0]，填充[1]，填充[0]，填充[1]。初始化的第三个参数是pad_if_needed（可选默认：false-type：bool）：如果是错误的，并且大小小于原始图像或填充图像的填充图像，则出现错误。>如果它是真实的，大小小于原始图像或填充图像的填充图像，则没有错误，则图像被随机填充以变为尺寸。初始化的第四个参数是填充（可选默认：0型：int，float或tuple/tuple/list（int或float））：*备忘录：>它可以更改图像的背景。 *当图像被正面填充时，可以看到背景。元组/列表必须是具有1或3个元素的1d。初始化的第五个参数是padding_mode（可选默认：’constant’-type：str）。 *可以将其设置为 *’常数’，’edge’，“反射”或“对称”。>第一个参数是img（必需类型：pil图像或张量（int））：*备忘录：张量必须为2d或3d。不使用img =。建议根据v1或v2使用v2？我应该使用哪一个？

from torchvision.datasets import OxfordIIITPetfrom torchvision.transforms.v2 import RandomCroprandomcrop = RandomCrop(size=100)randomcrop = RandomCrop(size=100,padding=None,pad_if_needed=False, fill=0,padding_mode=’constant’)randomcrop# RandomCrop(size=(100, 100),#pad_if_needed=False,#fill=0,#padding_mode=constant)randomcrop.size# (100, 100)print(randomcrop.padding)# Nonerandomcrop.pad_if_needed# Falserandomcrop.fill# 0randomcrop.padding_mode# ‘constant’origin_data = OxfordIIITPet( root="data", transform=None)s300_data = OxfordIIITPet( # `s` is size. root="data", transform=RandomCrop(size=300) # transform=RandomCrop(size=[300, 300]))s200_data = OxfordIIITPet( root="data", transform=RandomCrop(size=200))s100_data = OxfordIIITPet( root="data", transform=RandomCrop(size=100))s50_data = OxfordIIITPet( root="data", transform=RandomCrop(size=50))s10_data = OxfordIIITPet( root="data", transform=RandomCrop(size=10))s1_data = OxfordIIITPet( root="data", transform=RandomCrop(size=1))s200_300_data = OxfordIIITPet( root="data", transform=RandomCrop(size=[200, 300]))s300_200_data = OxfordIIITPet( root="data", transform=RandomCrop(size=[300, 200]))import matplotlib.pyplot as pltdef show_images1(data, main_title=None): plt.figure(figsize=[10, 5]) plt.suptitle(t=main_title, y=0.8, fontsize=14) for i in range(1, 6): plt.subplot(1, 5, i) plt.imshow(X=data[0][0]) plt.tight_layout() plt.show()plt.figure(figsize=[7, 9])plt.title(label="s500_394origin_data", fontsize=14)plt.imshow(X=origin_data[0][0])show_images1(data=origin_data, main_title="s500_394origin_data")show_images1(data=s300_data, main_title="s300_data")show_images1(data=s200_data, main_title="s200_data")show_images1(data=s100_data, main_title="s100_data")show_images1(data=s50_data, main_title="s50_data")show_images1(data=s10_data, main_title="s10_data")show_images1(data=s1_data, main_title="s1_data")show_images1(data=s200_300_data, main_title="s200_300_data")show_images1(data=s300_200_data, main_title="s300_200_data")# ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓def show_images2(data, main_title=None, s=None, p=None, pin=False, f=0, pm=’constant’): plt.figure(figsize=[10, 5]) plt.suptitle(t=main_title, y=0.8, fontsize=14) temp_s = s im = data[0][0] for i in range(1, 6): plt.subplot(1, 5, i) if not temp_s:s = [im.size[1], im.size[0]] rc = RandomCrop(size=s, padding=p, # Herepad_if_needed=pin, fill=f, padding_mode=pm) plt.imshow(X=rc(im)) # Here plt.tight_layout() plt.show()plt.figure(figsize=[7, 9])plt.title(label="s500_394origin_data", fontsize=14)plt.imshow(X=origin_data[0][0])show_images2(data=origin_data, main_title="s500_394origin_data")show_images2(data=origin_data, main_title="s300_data", s=300)show_images2(data=origin_data, main_title="s200_data", s=200)show_images2(data=origin_data, main_title="s100_data", s=100)show_images2(data=origin_data, main_title="s50_data", s=50)show_images2(data=origin_data, main_title="s10_data", s=10)show_images2(data=origin_data, main_title="s1_data", s=1)show_images2(data=origin_data, main_title="s200_300_data", s=[200, 300])show_images2(data=origin_data, main_title="s300_200_data", s=[300, 200])

以上就是pytorch中的随机克罗普（1）的详细内容，更多请关注范的资源库其它相关文章！

转载请注明：范的资源库 » pytorch中的随机克罗普（1）