mindspore.dataset.vision.RandomResizedCrop
- class mindspore.dataset.vision.RandomResizedCrop(size, scale=(0.08, 1.0), ratio=(3. / 4., 4. / 3.), interpolation=Inter.BILINEAR, max_attempts=10)[源代码]
对输入图像进行随机裁剪,并使用指定的
mindspore.dataset.vision.Inter
插值方式去调整为指定的尺寸大小。说明
如果输入图像不止一张,需要保证输入的多张图像尺寸大小一致。
- 参数:
size (Union[int, Sequence[int]]) - 图像的输出尺寸大小。若输入整型,则放缩至(size, size)大小;若输入2元素序列,则以2个元素分别为高和宽放缩至(高度, 宽度)大小。
scale (Union[list, tuple], 可选) - 裁剪子图的尺寸大小相对原图比例的随机选取范围,需要在[min, max)区间。默认值:
(0.08, 1.0)
。ratio (Union[list, tuple], 可选) - 裁剪子图的宽高比的随机选取范围,需要在[min, max)区间。默认值:
(3. / 4., 4. / 3.)
。interpolation (
Inter
, 可选) - 图像插值方法。可选值详见mindspore.dataset.vision.Inter
。 默认值:Inter.BILINEAR
。max_attempts (int, 可选) - 生成随机裁剪位置的最大尝试次数,超过该次数时将使用中心裁剪。默认值:
10
。
- 异常:
TypeError - 当 size 的类型不为int或Sequence[int]。
TypeError - 当 scale 的类型不为tuple或list。
TypeError - 当 ratio 的类型不为tuple或list。
TypeError - 当 interpolation 的类型不为
mindspore.dataset.vision.Inter
。TypeError - 当 max_attempts 的类型不为int。
ValueError - 当 size 不为正数。
ValueError - 当 scale 为负数。
ValueError - 当 ratio 为负数。
ValueError - 当 max_attempts 不为正数。
- 支持平台:
CPU
样例:
>>> import numpy as np >>> import mindspore.dataset as ds >>> import mindspore.dataset.vision as vision >>> from mindspore.dataset.vision import Inter >>> >>> # Use the transform in dataset pipeline mode >>> resize_crop_op = vision.RandomResizedCrop(size=(50, 75), scale=(0.25, 0.5), ... interpolation=Inter.BILINEAR) >>> transforms_list = [resize_crop_op] >>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8) >>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"]) >>> 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 (50, 75, 3) uint8 >>> >>> # Use the transform in eager mode >>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8) >>> output = vision.RandomResizedCrop(size=(50, 75), scale=(0.25, 0.5), interpolation=Inter.BILINEAR)(data) >>> print(output.shape, output.dtype) (50, 75, 3) uint8
- 教程样例: