mindspore.dataset.vision.Pad
- class mindspore.dataset.vision.Pad(padding, fill_value=0, padding_mode=Border.CONSTANT)[源代码]
填充图像。
支持 Ascend 硬件加速,需要通过 .device("Ascend") 方式开启。
- 参数:
padding (Union[int, Sequence[int, int], Sequence[int, int, int, int]]) - 图像各边填充的像素数。 如果 padding 是一个整数,代表为图像的所有方向填充该值大小的像素。 如果 padding 是一个包含2个值的元组或列表,第一个值会用于填充图像的左侧和右侧,第二个值会用于填充图像的上侧和下侧。 如果 padding 是一个包含4个值的元组或列表,则分别填充图像的左侧、上侧、右侧和下侧。 填充值必须为非负值。
fill_value (Union[int, tuple[int]], 可选) - 填充的像素值,仅在 padding_mode 取值为
Border.CONSTANT
时有效。 如果是3元素元组,则分别用于填充R、G、B通道。 如果是整数,则用于所有 RGB 通道。 fill_value 值必须在 [0, 255] 范围内。默认值:0
。padding_mode (
Border
, 可选) - 边界填充方式。可以是Border.CONSTANT
、Border.EDGE
、Border.REFLECT
、Border.SYMMETRIC
。默认值:Border.CONSTANT
。Border.CONSTANT - 使用常量值进行填充。
Border.EDGE - 使用各边的边界像素值进行填充。
Border.REFLECT - 以各边的边界为轴进行镜像填充,忽略边界像素值。
Border.SYMMETRIC - 以各边的边界为轴进行对称填充,包括边界像素值。
- 异常:
TypeError - 如果 padding 不是int或Sequence[int, int], Sequence[int, int, int, int]类型。
TypeError - 如果 fill_value 不是int或tuple[int]类型。
TypeError - 如果 padding_mode 不是
mindspore.dataset.vision.Border
的类型。ValueError - 如果 padding 为负数。
ValueError - 如果 fill_value 不在 [0, 255] 范围内。
RuntimeError - 如果输入图像的shape不是 <H, W> 或 <H, W, C>。
- 支持平台:
CPU
Ascend
样例:
>>> import numpy as np >>> import mindspore.dataset as ds >>> import mindspore.dataset.vision as vision >>> >>> # Use the transform in dataset pipeline mode >>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8) >>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"]) >>> transforms_list = [vision.Pad([100, 100, 100, 100])] >>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms_list, input_columns=["image"]) >>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True): ... print(item["image"].shape, item["image"].dtype) ... break (300, 300, 3) uint8 >>> >>> # Use the transform in eager mode >>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8) >>> output = vision.Pad([100, 100, 100, 100])(data) >>> print(output.shape, output.dtype) (300, 300, 3) uint8
- 教程样例:
- device(device_target='CPU')[源代码]
指定该变换执行的设备。
当执行设备是 Ascend 时,输入/输出数据的维度限制为[4, 6]和[32768, 32768]之间。
- 参数:
device_target (str, 可选) - 算子将在指定的设备上运行。当前支持
CPU
和Ascend
。默认值:CPU
。
- 异常:
TypeError - 当 device_target 的类型不为str。
ValueError - 当 device_target 的取值不为
CPU
/Ascend
。
- 支持平台:
CPU
Ascend
样例:
>>> import numpy as np >>> import mindspore.dataset as ds >>> import mindspore.dataset.vision as vision >>> >>> # Use the transform in dataset pipeline mode >>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8) >>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"]) >>> pad_op = vision.Pad([100, 100, 100, 100]).device("Ascend") >>> transforms_list = [pad_op] >>> numpy_slices_dataset = numpy_slices_dataset.map(operations=transforms_list, input_columns=["image"]) >>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True): ... print(item["image"].shape, item["image"].dtype) ... break (300, 300, 3) uint8 >>> >>> # Use the transform in eager mode >>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8) >>> output = vision.Pad([100, 100, 100, 100]).device("Ascend")(data) >>> print(output.shape, output.dtype) (300, 300, 3) uint8