Pytorch的中心牛

碧海醫心
发布: 2025-02-04 16:08:10
转载
329人浏览过

给我买咖啡☕

*备忘录:

  • 我的帖子解释了牛津iiitpet()。

centercrop()可以裁剪图像,以此为中心:

*备忘录:

    >初始化的第一个参数是大小(必需类型:int或tuple/list/list(int)或size()): *备忘录:
    • 是[高度,宽度]。
    • >必须是1个
  • 元组/列表必须是具有1或2个元素的1d。
  • 单个值(int或tuple/list(int))是指[size,size]。
  • 第一个参数是img(必需类型:pil图像或张量(int)): *备忘录:
张量必须为2d或3d。
  • 不使用img =。
    • 建议根据v1或v2使用v2?我应该使用哪一个?
    from torchvision.datasets import OxfordIIITPet
    from torchvision.transforms.v2 import CenterCrop
    
    centercrop = CenterCrop(size=100)
    
    centercrop
    # CenterCrop(size=(100, 100))
    
    centercrop.size
    # (100, 100)
    
    origin_data = OxfordIIITPet(
        root="data",
        transform=None
    )
    
    s600_data = OxfordIIITPet( # `s` is size.
        root="data",
        transform=CenterCrop(size=600)
        # transform=CenterCrop(size=[600])
        # transform=CenterCrop(size=[600, 600])
    )
    
    s400_data = OxfordIIITPet(
        root="data",
        transform=CenterCrop(size=400)
    )
    
    s200_data = OxfordIIITPet(
        root="data",
        transform=CenterCrop(size=200)
    )
    
    s100_data = OxfordIIITPet(
        root="data",
        transform=CenterCrop(size=100)
    )
    
    s50_data = OxfordIIITPet(
        root="data",
        transform=CenterCrop(size=50)
    )
    
    s10_data = OxfordIIITPet(
        root="data",
        transform=CenterCrop(size=10)
    )
    
    s1_data = OxfordIIITPet(
        root="data",
        transform=CenterCrop(size=1)
    )
    
    s200_300_data = OxfordIIITPet(
        root="data",
        transform=CenterCrop(size=[200, 300])
    )
    
    s300_200_data = OxfordIIITPet(
        root="data",
        transform=CenterCrop(size=[300, 200])
    )
    
    import matplotlib.pyplot as plt
    
    def show_images1(data, main_title=None):
        plt.figure(figsize=[10, 5])
        plt.suptitle(t=main_title, y=0.8, fontsize=14)
        for i, (im, _) in zip(range(1, 6), data):
            plt.subplot(1, 5, i)
            plt.imshow(X=im)
        plt.tight_layout()
        plt.show()
    
    show_images1(data=origin_data, main_title="origin_data")
    show_images1(data=s600_data, main_title="s600_data")
    show_images1(data=s400_data, main_title="s400_data")
    show_images1(data=s200_data, main_title="s200_data")
    show_images1(data=s100_data, main_title="s100_data")
    show_images1(data=s50_data, main_title="s50_data")
    show_images1(data=s10_data, main_title="s10_data")
    show_images1(data=s1_data, main_title="s1_data")
    print()
    show_images1(data=origin_data, main_title="origin_data")
    show_images1(data=s200_300_data, main_title="s200_300_data")
    show_images1(data=s300_200_data, main_title="s300_200_data")
    
    # ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓
    def show_images2(data, main_title=None, s=None):
        plt.figure(figsize=[10, 5])
        plt.suptitle(t=main_title, y=0.8, fontsize=14)
        temp_s = s
        for i, (im, _) in zip(range(1, 6), data):
            plt.subplot(1, 5, i)
            if not temp_s:
                s = [im.size[1], im.size[0]]
            cc = CenterCrop(size=s) # Here
            plt.imshow(X=cc(im)) # Here
        plt.tight_layout()
        plt.show()
    
    show_images2(data=origin_data, main_title="origin_data")
    show_images2(data=origin_data, main_title="s600_data", s=600)
    show_images2(data=origin_data, main_title="s400_data", s=400)
    show_images2(data=origin_data, main_title="s200_data", s=200)
    show_images2(data=origin_data, main_title="s100_data", s=100)
    show_images2(data=origin_data, main_title="s50_data", s=50)
    show_images2(data=origin_data, main_title="s10_data", s=10)
    show_images2(data=origin_data, main_title="s1_data", s=1)
    print()
    show_images2(data=origin_data, main_title="origin_data")
    show_images2(data=origin_data, main_title="s200_300_data", s=[200, 300])
    show_images2(data=origin_data, main_title="s300_200_data", s=[300, 200])
    
    登录后复制
  • image description

    image description

    image description

    image description

    image description

    image description

    image description

    image description


    image description

    image description

    以上就是Pytorch的中心牛的详细内容,更多请关注php中文网其它相关文章!

    最佳 Windows 性能的顶级免费优化软件
    最佳 Windows 性能的顶级免费优化软件

    每个人都需要一台速度更快、更稳定的 PC。随着时间的推移,垃圾文件、旧注册表数据和不必要的后台进程会占用资源并降低性能。幸运的是,许多工具可以让 Windows 保持平稳运行。

    下载
    相关标签:
    来源:dev.to网
    本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn
    最新问题
    开源免费商场系统广告
    热门教程
    更多>
    最新下载
    更多>
    网站特效
    网站源码
    网站素材
    前端模板
    关于我们 免责申明 意见反馈 讲师合作 广告合作 最新更新
    php中文网:公益在线php培训,帮助PHP学习者快速成长!
    关注服务号 技术交流群
    PHP中文网订阅号
    每天精选资源文章推送
    PHP中文网APP
    随时随地碎片化学习
    PHP中文网抖音号
    发现有趣的

    Copyright 2014-2025 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号