mindspore.dataset.vision.SlicePatches

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

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_height*num_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 mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>>
>>> # default padding mode
>>> decode_op = vision.Decode()
>>> num_h, num_w = (1, 4)
>>> slice_patches_op = vision.SlicePatches(num_h, num_w)
>>> transforms_list = [decode_op, slice_patches_op]
>>> cols = ['img' + str(x) for x in range(num_h*num_w)]
>>>
>>> image_folder_dataset = ds.ImageFolderDataset("/path/to/image_folder_dataset_directory")
>>> image_folder_dataset = image_folder_dataset.map(operations=transforms_list,
...                                                 input_columns=["image"],
...                                                 output_columns=cols)
教程样例：