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），它可以有任意数量的前导批次维度。例如，图像可以是 [..., C, H, W] 形状。边界框可以是 [..., 4] 形状。

参数:

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

• max_size (int, 可选) – 最大空间尺寸。默认值为 None。

• interpolation (InterpolationMode, 可选) – 由 torchvision.transforms.InterpolationMode 定义的期望插值枚举。默认值为 InterpolationMode.BILINEAR。如果输入是 Tensor，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。它仅影响双线性或三次样条模式下的 tensors，在其他情况下将被忽略：在 PIL 图像上，双线性或三次样条模式始终应用抗锯齿；在其他模式（对于 PIL 图像和 tensors）下，抗锯齿没有意义，因此忽略此参数。可能的值包括

  • True（默认值）：将对双线性或三次样条模式应用抗锯齿。其他模式不受影响。这可能就是您想要使用的。

  • False：不会对任何模式下的 tensors 应用抗锯齿。PIL 图像在双线性或三次样条模式下仍会进行抗锯齿处理，因为 PIL 不支持不抗锯齿。

  • None：对于 tensors 等同于 False，对于 PIL 图像等同于 True。此值因历史原因而存在，除非您非常清楚自己在做什么，否则不建议使用。

  在 v0.17 版本中，默认值从 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]

为自定义变换重写的方法。

参见 如何编写自己的 v2 变换

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

为自定义变换重写的方法。

参见 如何编写自己的 v2 变换