RandomZoomOut¶

class torchvision.transforms.v2.RandomZoomOut(fill: Union[int, float, Sequence[int], Sequence[float], None, Dict[Union[Type, str], Optional[Union[int, float, Sequence[int], Sequence[float]]]]] = 0, side_range: Sequence[float] = (1.0, 4.0), p: float = 0.5)[原始碼]¶

此變換會隨機填充影像、影片、邊界框和掩碼，從而建立縮小效果。輸出空間大小從原始大小隨機取樣，最大不超過由 side_range 引數配置的最大尺寸。

r = uniform_sample(side_range[0], side_range[1])
output_width = input_width * r
output_height = input_height * r

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領先批次維度。例如，影像可以具有 [..., C, H, W] 的形狀。邊界框可以具有 [..., 4] 的形狀。

引數：

fill (數字或元組或字典, 可選) – 在 padding_mode 為 constant 時使用的畫素填充值。預設值為 0。如果是一個長度為 3 的元組，它分別用於填充 R、G、B 通道。填充值也可以是一個將資料型別對映到填充值的字典，例如 fill={tv_tensors.Image: 127, tv_tensors.Mask: 0}，其中 Image 將用 127 填充，Mask 將用 0 填充。
side_range (由 python:floats 組成的序列, 可選) – 由兩個浮點陣列成的元組，定義了縮放輸入尺寸的最小和最大因子。
p (浮點數, 可選) – 執行縮放操作的機率。

使用 RandomZoomOut 的示例

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

用於自定義變換的方法。

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

用於自定義變換的方法。

文件