快捷方式

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)[源代码]

随机调整输入的大小。

如果输入是 torch.TensorTVTensor(例如 ImageVideoBoundingBoxes 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 (intpython:int 的序列) – 最小空间大小。单个整数值或一系列整数值。

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

  • 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.NEARESTInterpolationMode.NEAREST_EXACTInterpolationMode.BILINEARInterpolationMode.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上应用抗锯齿;在其他模式(对于 PIL 图像和张量)上,抗锯齿毫无意义,并且此参数将被忽略。可能的值为

    • 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:不会为任何模式下的张量应用抗锯齿。PIL 图像在双线性或双三次模式下仍然具有抗锯齿,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。此值出于遗留原因存在,除非您真正知道自己在做什么,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。

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获得问题的解答

查看资源