pytorch的兰德姆布森

给我买咖啡☕

*备忘录：

• 我的帖子解释了randomrotation（）。
>
• 我的帖子解释了randomaffine（）。
• 我的帖子解释了牛津iiitpet（）。

> randomperspective（）可以对图像进行随机的透视转换，如下所示：

*备忘录：

• 初始化的第一个参数是distortion_scale（可选默认：0.5型：int或float）： *备忘录：
  • 它可以进行透视转换。
  >
  • 必须为0 < = x < = 1。
>初始化的第二个参数为p（可选默认：0.5-type：int或float）： *备忘录：
• >是图像是否通过透视转换完成的概率。
  • 必须为0 < = x < = 1。
  初始化的第三个参数是插值（可选默认：interpolationmode.binear-type：interpolationmode）。
  初始化的第四个参数是填充（可选默认：0型：int，float或tuple/tuple/list（int或float））： *备忘录：
• >它可以更改图像的背景。 *在为图像进行透视转换时，可以看到背景。
>
• 元组/列表必须是具有1或3个元素的1d。
  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 RandomPerspective
    from torchvision.transforms.functional import InterpolationMode
    
    randompers = RandomPerspective()
    randompers = RandomPerspective(distortion_scale=0.5,
                                   p=0.5,
                                   interpolation=InterpolationMode.BILINEAR,
                                   fill=0)
    randompers
    # RandomPerspective(p=0.5,
    #                   distortion_scale=0.5,
    #                   interpolation=InterpolationMode.BILINEAR,
    #                   fill=0)
    
    randompers.distortion_scale
    # 0.5
    
    randompers.p
    # 0.5
    
    randompers.interpolation
    # <InterpolationMode.BILINEAR: 'bilinear'>
    
    randompers.fill
    # 0
    
    origin_data = OxfordIIITPet(
        root="data",
        transform=None
    )
    
    ds0p1origin_data = OxfordIIITPet( # `ds` is distortion_scale.
        root="data",
        transform=RandomPerspective(distortion_scale=0, p=1)
    )
    
    ds01p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(distortion_scale=0.1, p=1)
    )
    
    ds02p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(distortion_scale=0.2, p=1)
    )
    
    ds03p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(distortion_scale=0.3, p=1)
    )
    
    ds04p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(distortion_scale=0.4, p=1)
    )
    
    ds05p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(distortion_scale=0.5, p=1)
    )
    
    ds06p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(distortion_scale=0.6, p=1)
    )
    
    ds07p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(distortion_scale=0.7, p=1)
    )
    
    ds08p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(distortion_scale=0.8, p=1)
    )
    
    ds09p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(distortion_scale=0.9, p=1)
    )
    
    ds1p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(distortion_scale=1, p=1)
    )
    
    p0_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(p=0)
    )
    
    p05_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(p=0.5)
    )
    
    p1_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(p=1)
    )
    
    p1fgray_data = OxfordIIITPet( # `f` is fill.
        root="data",
        transform=RandomPerspective(p=1, fill=150)
    )
    
    p1fpurple_data = OxfordIIITPet(
        root="data",
        transform=RandomPerspective(p=1, fill=[160, 32, 240])
    )
    
    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.xticks(ticks=[])
            plt.yticks(ticks=[])
        plt.tight_layout()
        plt.show()
    
    show_images1(data=origin_data, main_title="origin_data")
    print()
    show_images1(data=ds0p1origin_data, main_title="ds0p1origin_data")
    show_images1(data=ds01p1_data, main_title="ds01p1_data")
    show_images1(data=ds02p1_data, main_title="ds02p1_data")
    show_images1(data=ds03p1_data, main_title="ds03p1_data")
    show_images1(data=ds04p1_data, main_title="ds04p1_data")
    show_images1(data=ds05p1_data, main_title="ds05p1_data")
    show_images1(data=ds06p1_data, main_title="ds06p1_data")
    show_images1(data=ds07p1_data, main_title="ds07p1_data")
    show_images1(data=ds08p1_data, main_title="ds08p1_data")
    show_images1(data=ds09p1_data, main_title="ds09p1_data")
    show_images1(data=ds1p1_data, main_title="ds1p1_data")
    print()
    show_images1(data=p0_data, main_title="p0_data")
    show_images1(data=p0_data, main_title="p0_data")
    show_images1(data=p0_data, main_title="p0_data")
    print()
    show_images1(data=p05_data, main_title="p05_data")
    show_images1(data=p05_data, main_title="p05_data")
    show_images1(data=p05_data, main_title="p05_data")
    print()
    show_images1(data=p1_data, main_title="p1_data")
    show_images1(data=p1_data, main_title="p1_data")
    show_images1(data=p1_data, main_title="p1_data")
    print()
    show_images1(data=p1fgray_data, main_title="p1fgray_data")
    show_images1(data=p1fpurple_data, main_title="p1fpurple_data")
    
    # ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓
    def show_images2(data, main_title=None, ds=0.5, prob=0.5,
                     ip=InterpolationMode.BILINEAR, f=0):
        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)
            rp = RandomPerspective(distortion_scale=ds, p=prob, # Here
                                   interpolation=ip, fill=f)
            plt.imshow(X=rp(im)) # Here
            plt.xticks(ticks=[])
            plt.yticks(ticks=[])
        plt.tight_layout()
        plt.show()
    
    show_images2(data=origin_data, main_title="origin_data", ds=0)
    print()
    show_images2(data=origin_data, main_title="ds0p1origin_data", ds=0,
                 prob=1)
    show_images2(data=origin_data, main_title="ds01p1_data", ds=0.1, prob=1)
    show_images2(data=origin_data, main_title="ds02p1_data", ds=0.2, prob=1)
    show_images2(data=origin_data, main_title="ds03p1_data", ds=0.3, prob=1)
    show_images2(data=origin_data, main_title="ds04p1_data", ds=0.4, prob=1)
    show_images2(data=origin_data, main_title="ds05p1_data", ds=0.5, prob=1)
    show_images2(data=origin_data, main_title="ds06p1_data", ds=0.6, prob=1)
    show_images2(data=origin_data, main_title="ds07p1_data", ds=0.7, prob=1)
    show_images2(data=origin_data, main_title="ds08p1_data", ds=0.8, prob=1)
    show_images2(data=origin_data, main_title="ds09p1_data", ds=0.9, prob=1)
    show_images2(data=origin_data, main_title="ds1p1_data", ds=1, prob=1)
    print()
    show_images2(data=origin_data, main_title="p0_data", prob=0)
    show_images2(data=origin_data, main_title="p0_data", prob=0)
    show_images2(data=origin_data, main_title="p0_data", prob=0)
    print()
    show_images2(data=origin_data, main_title="p05_data", prob=0.5)
    show_images2(data=origin_data, main_title="p05_data", prob=0.5)
    show_images2(data=origin_data, main_title="p05_data", prob=0.5)
    print()
    show_images2(data=origin_data, main_title="p1_data", prob=1)
    show_images2(data=origin_data, main_title="p1_data", prob=1)
    show_images2(data=origin_data, main_title="p1_data", prob=1)
    print()
    show_images2(data=origin_data, main_title="p1fgray_data", prob=1, f=150)
    show_images2(data=origin_data, main_title="p1fpurple_data", prob=1,
                 f=[160, 32, 240])
    

    登录后复制

德语写作助手

德语助手旗下的AI智能写作平台，支持对德语文本进行语法词汇纠错、润色、扩写等AI功能。

0

查看详情

以上就是pytorch的兰德姆布森的详细内容，更多请关注php中文网其它相关文章！