快捷方式

随机应用

class torchvision.transforms.v2.RandomApply(transforms: Union[Sequence[Callable], ModuleList], p: float = 0.5)[源代码]

以给定概率随机应用一组转换。

注意

为了对转换进行脚本化,请使用 torch.nn.ModuleList 作为输入,而不是像下面显示的那样使用转换的列表/元组

>>> transforms = transforms.RandomApply(torch.nn.ModuleList([
>>>     transforms.ColorJitter(),
>>> ]), p=0.3)
>>> scripted_transforms = torch.jit.script(transforms)

确保仅使用可脚本化的转换,即使用 torch.Tensor 工作的转换,不需要 lambda 函数或 PIL.Image

参数::
  • transforms (序列torch.nn.Module) – 转换列表

  • p (float) – 应用转换列表的概率

使用 RandomApply 的示例

转换的说明

转换的说明
extra_repr() str[源代码]

设置模块的额外表示。

要打印自定义的额外信息,您应该在自己的模块中重新实现此方法。单行和多行字符串都是可以接受的。

forward(*inputs: Any) Any[源代码]

定义每次调用时执行的计算。

应由所有子类覆盖。

注意

虽然前向传递的配方需要在此函数中定义,但应该在之后调用 Module 实例,而不是这个函数,因为前者会处理运行注册的钩子,而后者会默默地忽略它们。

文档

访问 PyTorch 的全面的开发者文档

查看文档

教程

获取面向初学者和高级开发者的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源