RandomShortestSize

class torchvision.transforms.v2.RandomShortestSize(min_size: Union[List[int], Tuple[int], int], max_size: Optional[int] = None, interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)

随机调整输入大小。

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。

参数:

• min_size (int 或 python:int 序列) – 最小空间大小。单个整数值或整数值序列。

• max_size (int, 可选) – 最大空间大小。默认为 None。

• interpolation (InterpolationMode, 可选) – 期望的插值枚举，由 torchvision.transforms.InterpolationMode 定义。默认为 InterpolationMode.BILINEAR。如果输入是 Tensor，则仅支持 InterpolationMode.NEAREST、InterpolationMode.NEAREST_EXACT、InterpolationMode.BILINEAR 和 InterpolationMode.BICUBIC。也接受相应的 Pillow 整数常量，例如 PIL.Image.BILINEAR。

• antialias (bool, 可选) –

  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。

  • False: 将不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: 对于张量等同于 False，对于 PIL 图像等同于 True。此值出于历史原因而存在，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]

用于覆盖自定义转换的方法。

参见 如何编写您自己的 v2 转换

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

用于覆盖自定义转换的方法。

参见 如何编写您自己的 v2 转换