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。
- >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]。

- 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”。

>
- 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 OxfordIIITPet from torchvision.transforms.v2 import RandomCrop  randomcrop = 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) # None  randomcrop.pad_if_needed # False  randomcrop.fill # 0  randomcrop.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 plt  def 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, # Here                         pad_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])

登录后复制