文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.dataset.vision.SlicePatches

class mindspore.dataset.vision.SlicePatches(num_height=1, num_width=1, slice_mode=SliceMode.PAD, fill_value=0)

在水平和垂直方向上将Tensor切片为多个块。适合于Tensor高宽较大的使用场景。如果将 num_height 和 num_width 都设置为 1，则Tensor将保持不变。输出Tensor的数量等于 $num\mathrm{\_}height\ast num\mathrm{\_}width$。

参数：

• num_height (int, 可选) - 垂直方向的切块数量。默认值： 1 。

• num_width (int, 可选) - 水平方向的切块数量。默认值： 1 。

• slice_mode (SliceMode, 可选) - 表示填充或丢弃，它可以是 SliceMode.PAD 、 SliceMode.DROP 。默认值： SliceMode.PAD 。

• fill_value (int, 可选) - 如果 slice_mode 取值为 SliceMode.PAD，该值表示在右侧和底部的边界填充宽度（以像素数计）。 fill_value 取值必须在[0, 255]范围内。默认值： 0 。

异常：

• TypeError - 当 num_height 不是int。

• TypeError - 当 num_width 不是int。

• TypeError - 当 slice_mode 的类型不为 mindspore.dataset.vision.SliceMode 。

• TypeError - 当 fill_value 不是int。

• ValueError - 当 num_height 不为正数。

• ValueError - 当 num_width 不为正数。

• ValueError - 当 fill_value 不在 [0, 255]范围内。

• RuntimeError - 如果输入的Tensor不是 <H, W> 或<H, W, C> 格式。

支持平台：

CPU

样例：

>>> import numpy as np
>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>>
>>> # Use the transform in dataset pipeline mode
>>> # default padding mode
>>> num_h, num_w = (1, 4)
>>> slice_patches_op = vision.SlicePatches(num_h, num_w)
>>> transforms_list = [slice_patches_op]
>>> cols = ['img' + str(x) for x in range(num_h*num_w)]
>>>
>>> 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"],
...                                                 output_columns=cols)
>>> for item in numpy_slices_dataset.create_dict_iterator(num_epochs=1, output_numpy=True):
...     print(len(item), item["img0"].shape, item["img0"].dtype)
...     break
4 (100, 25, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.SlicePatches(1, 2)(data)
>>> print(np.array(output).shape, np.array(output).dtype)
(2, 100, 50, 3) uint8

教程样例：

• 视觉变换样例库