Resize

class torchvision.transforms.v2.Resize(size: Optional[Union[int, Sequence[int]]], interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, max_size: Optional[int] = None, antialias: Optional[bool] = True)

将输入调整为给定大小。

如果输入是 torch.Tensor 或 TVTensor (例如 Image, Video, BoundingBoxes 等），则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:

• size (sequence, int, 或 None) –

  期望的输出大小。

  • 如果 size 是像 (h, w) 这样的序列，则输出大小将与之匹配。

  • 如果 size 是一个整数，则图像的较小边缘将与此数字匹配。即，如果高度 > 宽度，则图像将被重新缩放到 (size * height / width, size)。

  • 如果 size 为 None，则输出形状由 max_size 参数确定。

  注意

  在 torchscript 模式下，不支持将 size 作为单个整数，请使用长度为 1 的序列：[size, ]。

• interpolation (InterpolationMode, 可选) – 期望的插值枚举，由 torchvision.transforms.InterpolationMode 定义。 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。

• max_size (int, 可选) –

  调整大小后的图像的较长边缘允许的最大值。

  • 如果 size 是一个整数：如果在根据 size 调整大小后，图像的较长边缘大于 max_size，则将覆盖 size，以便较长边缘等于 max_size。 因此，较小边缘可能短于 size。 仅当 size 是整数（或 torchscript 模式下的长度为 1 的序列）时，才支持此操作。

  • 如果 size 为 None：图像的较长边缘将与 max_size 匹配。即，如果高度 > 宽度，则图像将被重新缩放到 (max_size, max_size * width / height)。

  当 size 是序列时，应将其保留为 None（默认值）。

• 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，始终对双线性或双三次模式应用抗锯齿；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 (默认值)：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：将不会对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。 此值因遗留原因而存在，除非您真的知道自己在做什么，否则您可能不想使用它。

  为了使 PIL 和 Tensor 后端保持一致，默认值已从 v0.17 中的 None 更改为 True。

使用 Resize 的示例

变换的图示

变换的图示

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

用于覆盖自定义变换的方法。

请参阅 如何编写您自己的 v2 变换