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 … 表示任意數量的領先維度，但如果使用非常量填充，則輸入期望最多有 2 個領先維度

引數：

• size (sequence 或 int) – 期望的裁剪輸出尺寸。如果 size 是 int 而不是 sequence (如 (h, w))，則進行方形裁剪 (size, size)。如果提供長度為 1 的 sequence，則將其解釋為 (size[0], size[0])。

• padding (int 或 sequence, optional) –

  影像每個邊界上的可選填充。預設為 None。如果提供單個 int，則用於填充所有邊界。如果提供長度為 2 的 sequence，則分別為左/右和上/下的填充。如果提供長度為 4 的 sequence，則分別為左、上、右、下邊界的填充。

  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 sequence：[padding,]。

• pad_if_needed (boolean) – 如果影像小於期望尺寸，將進行填充以避免引發異常。由於裁剪是在填充之後進行的，因此填充似乎在隨機偏移處完成。

• fill (number 或 tuple) – 用於常量填充的畫素填充值。預設為 0。如果是一個長度為 3 的 tuple，則分別用於填充 R、G、B 通道。此值僅在 padding_mode 為 constant 時使用。torch Tensor 僅支援 number。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: 使用一個常數值填充，該值由 fill 指定

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

  • reflect: 使用影像的反射填充，不重複邊緣的最後一個值。例如，在 reflect 模式下，在 [1, 2, 3, 4] 兩側填充 2 個元素將得到 [3, 2, 1, 2, 3, 4, 3, 2]

  • symmetric: 使用影像的反射填充，重複邊緣的最後一個值。例如，在 symmetric 模式下，在 [1, 2, 3, 4] 兩側填充 2 個元素將得到 [2, 1, 1, 2, 3, 4, 4, 3]

使用 RandomCrop 的示例

Torchscript 支援

Torchscript 支援

transforms v2 入門

transforms v2 入門

transforms 示例

transforms 示例

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 Image 或 Tensor

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

獲取用於隨機裁剪的 crop 引數。

引數：

• img (PIL Image 或 Tensor) – 要裁剪的影像。

• output_size (tuple) – 期望的裁剪輸出尺寸。

返回：

要傳遞給 crop 的引數 (i, j, h, w) 用於隨機裁剪。

返回型別：

tuple