RandomResizedCrop¶

class torchvision.transforms.v2.RandomResizedCrop(size: Union[int, Sequence[int]], scale: Tuple[float, float] = (0.08, 1.0), ratio: Tuple[float, float] = (0.75, 1.3333333333333333), interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)[source]¶

随机裁剪输入的一部分并将其调整为给定大小。

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。边界框可以具有 [..., 4] 形状。

对原始输入进行裁剪：裁剪具有随机面积（H * W）和随机纵横比。最后将此裁剪调整为给定大小。这通常用于训练 Inception 网络。

参数：

size (int 或序列) –
裁剪的预期输出大小，对于每个边。如果 size 是 int 而不是序列（如 (h, w)），则会创建正方形输出大小 (size, size)。如果提供长度为 1 的序列，则将其解释为 (size[0], size[0])。

注意

在 torchscript 模式下，size 作为单个 int 不受支持，请使用长度为 1 的序列：[size, ]。
scale (python:float 的元组, 可选) – 指定裁剪随机区域的下限和上限，在调整大小之前。比例是相对于原始图像的面积定义的。
ratio (python:float 的元组, 可选) – 裁剪随机纵横比的下限和上限，在调整大小之前。
interpolation (InterpolationMode, 可选) – 由 torchvision.transforms.InterpolationMode 定义的所需插值枚举。默认为 InterpolationMode.BILINEAR。如果输入是张量，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, 可选) –
是否应用抗锯齿。它仅影响使用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上应用抗锯齿；在其他模式（对于 PIL 图像和张量）上，抗锯齿没有意义，并且此参数将被忽略。可能的值为
- True（默认）：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：不会为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，因为 PIL 不支持不抗锯齿。
- None：对于张量等效于 False，对于 PIL 图像等效于 True。此值出于遗留原因存在，除非您确实知道自己在做什么，否则您可能不想使用它。
默认值在 v0.17 中从 None 更改为 True，以便 PIL 和 Tensor 后端保持一致。