mindspore.dataset.vision.Resize

查看源文件
class mindspore.dataset.vision.Resize(size, interpolation=Inter.LINEAR)[源代码]

对输入图像使用给定的 mindspore.dataset.vision.Inter 插值方式去调整为给定的尺寸大小。

参数:
  • size (Union[int, Sequence[int]]) - 图像的输出尺寸大小。若输入整型,将调整图像的较短边长度为 size ,且保持图像的宽高比不变;若输入是2元素组成的序列,其输入格式需要是 (高度, 宽度) 。

    • CPU模式:通过 .device(“CPU”) 设定执行设备为 CPU 时,size 取值范围:[1, 16777216]。

    • Ascend模式:通过 .device(“Ascend”) 设定执行设备为 Ascend 时,size 取值范围:[6, 32768]。

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

    • Ascend模式:通过 .device(“Ascend”) 设定执行设备为 Ascend 时, Inter.ANTIALIASInter.AREAInter.PILCUBIC 差值方法不支持。

异常:
  • TypeError - 当 size 的类型不为int或Sequence[int]。

  • TypeError - 当 interpolation 的类型不为 mindspore.dataset.vision.Inter

  • ValueError - 当 size 不为正数。

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

支持平台:

CPU Ascend

样例:

>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>> from mindspore.dataset.vision import Inter
>>>
>>> decode_op = vision.Decode()
>>> resize_op = vision.Resize([100, 75], Inter.BICUBIC)
>>> transforms_list = [decode_op, resize_op]
>>> image_folder_dataset = ds.ImageFolderDataset("/path/to/image_folder_dataset_directory")
>>> image_folder_dataset = image_folder_dataset.map(operations=transforms_list,
...                                                 input_columns=["image"])
教程样例:
device(device_target='CPU')[源代码]

指定该变换执行的设备。

  • 当执行设备是 CPU 时,输入数据支持 uint8float32 或者 float64 类型。

  • 当执行设备是 Ascend 时,输入数据支持 uint8 或者 float32 类型。

参数:
  • device_target (str, 可选) - 算子将在指定的设备上运行。当前支持 CPU 。默认值: CPU

异常:
  • TypeError - 当 device_target 的类型不为str。

  • ValueError - 当 device_target 的取值不为 CPU

支持平台:

CPU

样例:

>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>> from mindspore.dataset.vision import Inter
>>>
>>> decode_op = vision.Decode()
>>> resize_op = vision.Resize([100, 75], Inter.BICUBIC).device("Ascend")
>>> transforms_list = [decode_op, resize_op]
>>> image_folder_dataset = ds.ImageFolderDataset("/path/to/image_folder_dataset_directory")
>>> image_folder_dataset = image_folder_dataset.map(operations=transforms_list,
...                                                 input_columns=["image"])