RandomCrop

class torchvision.transforms.RandomCrop(size, padding=None, pad_if_needed=False, fill=0, padding_mode='constant')

在随机位置裁剪给定图像。如果图像是 torch Tensor，则期望其形状为 […, H, W]，其中 … 表示任意数量的领先维度，但如果使用非常量填充，则输入期望最多有 2 个领先维度

参数：

• size (sequence 或 int) – 期望的裁剪输出尺寸。如果 size 是 int 而不是 sequence (如 (h, w))，则进行方形裁剪 (size, size)。如果提供长度为 1 的 sequence，则将其解释为 (size[0], size[0])。

• padding (int 或 sequence, optional) –

  图像每个边界上的可选填充。默认为 None。如果提供单个 int，则用于填充所有边界。如果提供长度为 2 的 sequence，则分别为左/右和上/下的填充。如果提供长度为 4 的 sequence，则分别为左、上、右、下边界的填充。

  注意

  在 torchscript 模式下，不支持将 padding 作为单个 int，请使用长度为 1 的 sequence：[padding,]。

• pad_if_needed (boolean) – 如果图像小于期望尺寸，将进行填充以避免引发异常。由于裁剪是在填充之后进行的，因此填充似乎在随机偏移处完成。

• fill (number 或 tuple) – 用于常量填充的像素填充值。默认为 0。如果是一个长度为 3 的 tuple，则分别用于填充 R、G、B 通道。此值仅在 padding_mode 为 constant 时使用。torch Tensor 仅支持 number。PIL Image 仅支持 int 或 tuple 值。

• padding_mode (str) –

  填充类型。应为：constant, edge, reflect 或 symmetric。默认为 constant。

  • constant: 使用一个常数值填充，该值由 fill 指定

  • edge: 使用图像边缘的最后一个值填充。如果输入是 5D torch Tensor，则填充最后 3 个维度而不是最后 2 个。

  • reflect: 使用图像的反射填充，不重复边缘的最后一个值。例如，在 reflect 模式下，在 [1, 2, 3, 4] 两侧填充 2 个元素将得到 [3, 2, 1, 2, 3, 4, 3, 2]

  • symmetric: 使用图像的反射填充，重复边缘的最后一个值。例如，在 symmetric 模式下，在 [1, 2, 3, 4] 两侧填充 2 个元素将得到 [2, 1, 1, 2, 3, 4, 4, 3]

使用 RandomCrop 的示例

Torchscript 支持

Torchscript 支持

transforms v2 入门

transforms v2 入门

transforms 示例

transforms 示例

forward(img)

参数：

img (PIL Image 或 Tensor) – 要裁剪的图像。

返回：

裁剪后的图像。

返回类型：

PIL Image 或 Tensor

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

获取用于随机裁剪的 crop 参数。

参数：

• img (PIL Image 或 Tensor) – 要裁剪的图像。

• output_size (tuple) – 期望的裁剪输出尺寸。

返回：

要传递给 crop 的参数 (i, j, h, w) 用于随机裁剪。

返回类型：

tuple