RandomResize

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

随机调整输入大小。

此变换可以与 RandomCrop 一起用作数据增强，以训练图像分割任务的模型。

输出空间大小从区间 [min_size, max_size] 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次维度。例如，图像可以具有 [..., C, H, W] 形状。 bounding box 可以具有 [..., 4] 形状。

参数:

• min_size (int) – 随机采样的最小输出大小

• max_size (int) – 随机采样的最大输出大小

• interpolation (InterpolationMode, optional) – 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。 相应的 Pillow 整数常量，例如 PIL.Image.BILINEAR 也被接受。

• antialias (bool, optional) –

  是否应用抗锯齿。 它仅影响具有双线性或双三次模式的 张量，否则将被忽略：在 PIL 图像上，始终在双线性或双三次模式下应用抗锯齿；在其他模式下（对于 PIL 图像和张量），抗锯齿没有意义，并且此参数将被忽略。 可能的值是

  • True (默认值)：将为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: 将不会对任何模式下的张量应用抗锯齿。 PIL 图像仍然在双线性或双三次模式下进行抗锯齿处理，因为 PIL 不支持无抗锯齿。

  • None: 对于张量等效于 False，对于 PIL 图像等效于 True。 此值是出于遗留原因而存在的，除非您真的知道自己在做什么，否则您可能不想使用它。

  默认值在 v0.17 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]

用于覆盖自定义变换的方法。

请参阅 如何编写自己的 v2 变换

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

用于覆盖自定义变换的方法。

请参阅 如何编写自己的 v2 变换