mindspore.dataset.vision.TrivialAugmentWide

查看源文件
class mindspore.dataset.vision.TrivialAugmentWide(num_magnitude_bins=31, interpolation=Inter.NEAREST, fill_value=0)[源代码]

对输入图像应用TrivialAugmentWide数据增强方法。

参考论文 TrivialAugmentWide: Tuning-free Yet State-of-the-Art Data Augmentation 。

只支持3通道RGB图像。

参数：

  • num_magnitude_bins (int, 可选) - 不同变换幅值的个数，需不小于2 。默认值： 31 。

  • interpolation (Inter, 可选) - 图像插值方法。可选值详见 mindspore.dataset.vision.Inter 。 默认值： Inter.NEAREST。

  • fill_value (Union[int, tuple[int, int, int]], 可选) - 变换后超出原图外区域的像素填充值，取值需在 [0, 255] 范围内。默认值： 0 。 如果输入int，将用于填充所有 RGB 通道。 如果输入tuple[int, int, int]，则分别用于填充R、G、B通道。

异常：

  • TypeError - 如果 num_magnitude_bins 不是int类型。

  • ValueError - 如果 num_magnitude_bins 小于2。

  • TypeError - 如果 interpolation 不是 mindspore.dataset.vision.Inter 类型。

  • TypeError - 如果 fill_value 不是int或tuple[int, int, int]类型。

  • ValueError - 如果 fill_value 取值不在[0, 255]范围。

  • RuntimeError - 如果输入图像的形状不是 <H, W, C>。

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
>>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8)
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"])
>>> transforms_list = [vision.TrivialAugmentWide(num_magnitude_bins=31,
...                                              interpolation=Inter.NEAREST,
...                                              fill_value=0)]
>>> 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
(100, 100, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.TrivialAugmentWide()(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8
教程样例：