mindspore.dataset.vision.NormalizePad

查看源文件
class mindspore.dataset.vision.NormalizePad(mean, std, dtype='float32', is_hwc=True)[源代码]

根据均值和标准差对输入图像进行归一化，然后填充一个全零的额外通道。

参数：

  • mean (sequence) - 图像每个通道的均值组成的列表或元组。平均值必须在 (0.0, 255.0] 范围内。

  • std (sequence) - 图像每个通道的标准差组成的列表或元组。标准差值必须在 (0.0, 255.0] 范围内。

  • dtype (str, 可选) - 输出图像的数据类型。默认值： "float32" 。

  • is_hwc (bool, 可选) - 表示输入图像是否为HWC格式， True 为HWC格式， False 为CHW格式。默认值： True 。

异常：

  • TypeError - 如果 mean 不是sequence类型。

  • TypeError - 如果 std 不是sequence类型。

  • TypeError - 如果 dtype 不是str类型。

  • TypeError - 如果 is_hwc 不是bool类型。

  • ValueError - 如果 mean 不在 [0.0, 255.0] 范围内。

  • ValueError - 如果 std 不在范围内 (0.0, 255.0]。

  • RuntimeError - 如果输入图像的shape不是 <H, W>, <H, W, C> 或 <C, H, W>。

支持平台：

CPU

样例：

>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>>
>>> image_folder_dataset = ds.ImageFolderDataset("/path/to/image_folder_dataset_directory")
>>> decode_op = vision.Decode()
>>> normalize_pad_op = vision.NormalizePad(mean=[121.0, 115.0, 100.0],
...                                        std=[70.0, 68.0, 71.0],
...                                        dtype="float32")
>>> transforms_list = [decode_op, normalize_pad_op]
>>> image_folder_dataset = image_folder_dataset.map(operations=transforms_list,
...                                                 input_columns=["image"])
教程样例：