RandomResize

類 torchvision.transforms.v2.RandomResize(min_size: int, max_size: int, interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)

隨機調整輸入尺寸。

此變換可與 RandomCrop 一起用作資料增強，用於訓練影像分割任務的模型。

輸出空間尺寸從區間 [min_size, max_size] 中隨機取樣。

size = uniform_sample(min_size, max_size)
output_width = size
output_height = size

如果輸入是 torch.Tensor 或 TVTensor（例如 Image, Video, BoundingBoxes 等），它可以具有任意數量的前導批處理維度。例如，影像可以具有 [..., C, H, W] 形狀。邊界框可以具有 [..., 4] 形狀。

引數:

• min_size (int) – 隨機取樣時的最小輸出尺寸

• max_size (int) – 隨機取樣時的最大輸出尺寸

• interpolation (InterpolationMode, optional) – 由 torchvision.transforms.InterpolationMode 定義的所需插值列舉。預設為 InterpolationMode.BILINEAR。如果輸入是 Tensor，僅支援 InterpolationMode.NEAREST, InterpolationMode.NEAREST_EXACT, InterpolationMode.BILINEAR 和 InterpolationMode.BICUBIC。相應的 Pillow 整數常量（例如 PIL.Image.BILINEAR）也同樣接受。

• antialias (bool, optional) –

  是否應用抗鋸齒。它隻影響使用雙線性或雙三次插值模式的 tensors，否則將被忽略：對於 PIL 影像，在雙線性或雙三次模式下總是應用抗鋸齒；對於其他模式（PIL 影像和 tensors），抗鋸齒沒有意義，此引數將被忽略。可能的值為

  • True (預設): 將對雙線性或雙三次模式應用抗鋸齒。其他模式不受影響。這可能是您想要使用的值。

  • False: 對 tensors 在任何模式下都不會應用抗鋸齒。PIL 影像在雙線性或雙三次模式下仍然應用抗鋸齒，因為 PIL 不支援不進行抗鋸齒。

  • None: 對於 tensors 等同於 False，對於 PIL 影像等同於 True訓練集。此值存在是為了向下相容，除非您非常清楚自己在做什麼，否則可能不應該使用它。

  預設值在 v0.17 版本中從 None 更改為 True，以使 PIL 和 Tensor 後端保持一致。

make_params(flat_inputs: List[Any]) → Dict[str, Any]

自定義變換需要重寫的方法。

參見 如何編寫自己的 v2 變換

transform(inpt: Any, params: Dict[str, Any]) → Any

自定義變換需要重寫的方法。

參見 如何編寫自己的 v2 變換