同步操作将从 OpenDocCN/pytorch-doc-zh 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
变换是常用的图像变换。它们可以用Compose
连接在一起。
class torchvision.transforms.Compose(transforms)
将多个 transform 组合起来使用。
transforms: 由 transform 构成的列表. 例子:
transforms.Compose([
transforms.CenterCrop(10),
transforms.ToTensor(),
])
class torchvision.transforms.Scale(size, interpolation=2)
按照规定的尺寸重新调节PIL.Image
。
参数说明:
height>width
,那么改变大小后的图片大小是(size*height/width, size)
。PIL.Image.BILINEAR
class torchvision.transforms.CenterCrop(size)
将给定的 PIL.Image 进行中心切割,得到给定的 size,size 可以是 tuple,(target_height, target_width)。size 也可以是一个 Integer,在这种情况下,切出来的图片的形状是正方形。
class torchvision.transforms.RandomCrop(size, padding=0)
切割中心点的位置随机选取。size 可以是 tuple 也可以是 Integer。
class torchvision.transforms.RandomHorizontalFlip
随机水平翻转给定的 PIL.Image,概率为 0.5。即:一半的概率翻转,一半的概率不翻转。
class torchvision.transforms.RandomSizedCrop(size, interpolation=2)
先将给定的 PIL.Image 随机切,然后再 resize 成给定的 size 大小。
class torchvision.transforms.Pad(padding, fill=0)
将给定的 PIL.Image 的所有边用给定的 pad value 填充。 padding:要填充多少像素 fill:用什么值填充
class torchvision.transforms.Normalize(mean, std)
给定均值:(R,G,B) 方差:(R,G,B),将会把 Tensor 正则化。即:Normalized_image=(image-mean)/std。
参数说明:
call(tensor) 参数: tensor (Tensor) – 规范化的大小(c,h,w)的张量图像. 返回结果: 规范化的图片. 返回样式: Tensor 张量
class torchvision.transforms.ToTensor
把一个取值范围是[0,255]的 PIL.Image 或者 shape 为(H,W,C)的 numpy.ndarray,转换成形状为[C,H,W],取值范围是[0,1.0]的 torch.FloadTensor
call(pic)
class torchvision.transforms.ToPILImage
将 shape 为(C,H,W)的 Tensor 或 shape 为(H,W,C)的 numpy.ndarray 转换成 PIL.Image,值不变。
call(pic)
class torchvision.transforms.Lambda(lambd)
使用 lambd 作为转换器。
参数说明: lambd (function) – Lambda/function 用于转换.
用户名 | 头像 | 职能 | 签名 |
---|---|---|---|
Song | 翻译 | 人生总要追求点什么 |
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。