RandomShortestSize

class torchvision.transforms.v2.RandomShortestSize(min_size: Union[List[int], Tuple[int], int], max_size: Optional[int] = None, interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)

隨機調整輸入大小。

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

引數:

• min_size (int 或 python:int 的序列) – 最小空間尺寸。單個整數值或整數值序列。

• max_size (int, 可選) – 最大空間尺寸。預設值為 None。

• interpolation (InterpolationMode, 可選) – 由 torchvision.transforms.InterpolationMode 定義的期望插值列舉。預設值為 InterpolationMode.BILINEAR。如果輸入是 Tensor，僅支援 InterpolationMode.NEAREST、InterpolationMode.NEAREST_EXACT、InterpolationMode.BILINEAR 和 InterpolationMode.BICUBIC。也接受相應的 Pillow 整數常量，例如 PIL.Image.BILINEAR。

• antialias (bool, 可選) –

  是否應用抗鋸齒。它僅影響雙線性或三次樣條模式下的 tensors，在其他情況下將被忽略：在 PIL 影像上，雙線性或三次樣條模式始終應用抗鋸齒；在其他模式（對於 PIL 影像和 tensors）下，抗鋸齒沒有意義，因此忽略此引數。可能的值包括

  • True（預設值）：將對雙線性或三次樣條模式應用抗鋸齒。其他模式不受影響。這可能就是您想要使用的。

  • False：不會對任何模式下的 tensors 應用抗鋸齒。PIL 影像在雙線性或三次樣條模式下仍會進行抗鋸齒處理，因為 PIL 不支援不抗鋸齒。

  • None：對於 tensors 等同於 False，對於 PIL 影像等同於 True。此值因歷史原因而存在，除非您非常清楚自己在做什麼，否則不建議使用。

  在 v0.17 版本中，預設值從 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]

為自定義變換重寫的方法。

參見 如何編寫自己的 v2 變換

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

為自定義變換重寫的方法。

參見 如何編寫自己的 v2 變換