RandomCrop

class torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')

在隨機位置裁剪給定影像。如果影像是 torch Tensor，則期望其形狀為 […, H, W]，其中 … 表示任意數量的前導維度，但如果使用了非常量填充，則輸入最多隻能有 2 個前導維度。

引數:

• size (sequence 或 int) – 裁剪的期望輸出尺寸。如果 size 是一個整數而不是像 (h, w) 這樣的序列，則會進行一個正方形裁剪 (size, size)。如果提供一個長度為 1 的序列，它將被解釋為 (size[0], size[0])。

• padding (int 或 sequence, 可選) –

  在裁剪之前，在影像的每個邊框上可選地新增填充。預設為 None。如果提供單個 int，則所有邊框都使用此值進行填充。如果提供長度為 2 的序列，則分別為左右和上下邊框的填充。如果提供長度為 4 的序列，則分別為左、上、右和下邊框的填充。

  注意

  在 torchscript 模式下，不支援將 padding 作為單個 int，請使用長度為 1 的序列：[padding, ]。

• pad_if_needed (boolean) – 如果影像小於所需尺寸，則會對其進行填充以避免引發異常。由於裁剪在填充之後進行，因此填充似乎是在隨機偏移量處進行的。

• fill (number 或 tuple) – 常量填充的畫素填充值。預設為 0。如果為長度為 3 的元組，則分別用於填充 R、G、B 通道。僅當 padding_mode 為 constant 時才使用此值。對於 torch Tensor，僅支援 number。對於 PIL Image，僅支援 int 或 tuple 值。

• padding_mode (str) –

  填充型別。應為：constant、edge、reflect 或 symmetric。預設為 constant。

  • constant：用常數值填充，該值透過 fill 指定

  • edge：用影像邊緣的最後一個值填充。如果輸入是 5D torch Tensor，將填充最後 3 個維度而不是最後 2 個維度

  • reflect：透過反射影像進行填充，但不重複邊緣處的最後一個值。例如，在 reflect 模式下，將 [1, 2, 3, 4] 的兩端各填充 2 個元素將導致 [3, 2, 1, 2, 3, 4, 3, 2]

  • symmetric：透過反射影像進行填充，重複邊緣處的最後一個值。例如，在 symmetric 模式下，將 [1, 2, 3, 4] 的兩端各填充 2 個元素將導致 [2, 1, 1, 2, 3, 4, 4, 3]

使用 RandomCrop 的示例

Torchscript 支援

Torchscript 支援

變換 v2 入門

變換 v2 入門

轉換圖示

轉換圖示

forward(img)

引數:

img (PIL Image 或 Tensor) – 要裁剪的影像。

返回:

裁剪後的影像。

返回型別:

PIL 影像或張量

static get_params(img: Tensor, output_size: tuple[int, int]) → tuple[int, int, int, int]

為隨機裁剪獲取 crop 引數。

引數:

• img (PIL Image 或 Tensor) – 要裁剪的影像。

• output_size (tuple) – 裁剪的預期輸出大小。

返回:

將傳遞給 crop 以進行隨機裁剪的引數 (i, j, h, w)。

返回型別:

元組