RandomResize

类 torchvision.transforms.v2.RandomResize(min_size: int, max_size: int, interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)

随机调整输入尺寸。

此变换可与 RandomCrop 一起用作数据增强，用于训练图像分割任务的模型。

输出空间尺寸从区间 [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前导批处理维度。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) – 随机采样时的最小输出尺寸

• max_size (int) – 随机采样时的最大输出尺寸

• interpolation (InterpolationMode, optional) – 由 torchvision.transforms.InterpolationMode 定义的所需插值枚举。默认为 InterpolationMode.BILINEAR。如果输入是 Tensor，仅支持 InterpolationMode.NEAREST, InterpolationMode.NEAREST_EXACT, InterpolationMode.BILINEAR 和 InterpolationMode.BICUBIC。相应的 Pillow 整数常量（例如 PIL.Image.BILINEAR）也同样接受。

• antialias (bool, optional) –

  是否应用抗锯齿。它只影响使用双线性或双三次插值模式的 tensors，否则将被忽略：对于 PIL 图像，在双线性或双三次模式下总是应用抗锯齿；对于其他模式（PIL 图像和 tensors），抗锯齿没有意义，此参数将被忽略。可能的值为

  • 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值。

  • False: 对 tensors 在任何模式下都不会应用抗锯齿。PIL 图像在双线性或双三次模式下仍然应用抗锯齿，因为 PIL 不支持不进行抗锯齿。

  • None: 对于 tensors 等同于 False，对于 PIL 图像等同于 True训练集。此值存在是为了向下兼容，除非您非常清楚自己在做什么，否则可能不应该使用它。

  默认值在 v0.17 版本中从 None 更改为 True，以使 PIL 和 Tensor 后端保持一致。

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

自定义变换需要重写的方法。

参见 如何编写自己的 v2 变换

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

自定义变换需要重写的方法。

参见 如何编写自己的 v2 变换