随机调整大小¶
- class torchvision.transforms.v2.RandomResize(min_size: int, max_size: int, interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)[source]¶
随机调整输入大小。
此变换可以与
RandomCrop
结合使用,作为数据增强来训练图像分割任务的模型。输出空间大小从区间
[min_size, max_size]
中随机采样。size = uniform_sample(min_size, max_size) output_width = size output_height = size
如果输入是
torch.Tensor
或TVTensor
(例如Image
、Video
、BoundingBoxes
等),它可以具有任意数量的领先批次维度。例如,图像可以具有[..., C, H, W]
形状。边界框可以具有[..., 4]
形状。- 参数:
min_size (int) – 用于随机采样的最小输出大小
max_size (int) – 用于随机采样的最大输出大小
interpolation (InterpolationMode, 可选) – 由
torchvision.transforms.InterpolationMode
定义的所需插值枚举。默认值为InterpolationMode.BILINEAR
。如果输入是 Tensor,则仅支持InterpolationMode.NEAREST
、InterpolationMode.NEAREST_EXACT
、InterpolationMode.BILINEAR
和InterpolationMode.BICUBIC
。对应的 Pillow 整数常量(例如PIL.Image.BILINEAR
)也接受。antialias (bool, 可选) –
是否应用抗锯齿。它仅影响以双线性或双三次模式的 **tensor**,在其他情况下将被忽略:在 PIL 图像上,始终对双线性或双三次模式应用抗锯齿;在其他模式(针对 PIL 图像和 tensor)上,抗锯齿毫无意义,此参数将被忽略。可能的值是
True
(默认):将对双线性或双三次模式应用抗锯齿。其他模式不受影响。这可能是您想要使用的。False
:将不会对任何模式的 tensor 应用抗锯齿。PIL 图像仍将在双线性或双三次模式下应用抗锯齿,因为 PIL 不支持不应用抗锯齿。None
:等效于 tensor 的False
和 PIL 图像的True
。此值存在于遗留原因,除非您确实了解自己在做什么,否则您可能不想使用它。
默认值已从 v0.17 的
None
更改为True
,以使 PIL 和 Tensor 后端保持一致。