mindspore.dataset.vision.CutOut
- class mindspore.dataset.vision.CutOut(length, num_patches=1, is_hwc=True)[源代码]
从输入图像数组中随机裁剪出给定数量的正方形区域。
- 参数:
length (int) - 每个正方形区域的边长,必须大于 0。
num_patches (int, 可选) - 要从图像中切出的正方形区域数,必须大于0。默认值:
1
。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 length 不是int类型。
TypeError - 如果 num_patches 不是int类型。
TypeError - 如果 is_hwc 不是bool类型。
ValueError - 如果 length 小于或等于 0。
ValueError - 如果 num_patches 小于或等于 0。
RuntimeError - 如果输入图像的shape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 >>> >>> # 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.CutOut(80, num_patches=10)] >>> 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.CutOut(20)(data) >>> print(output.shape, output.dtype) (100, 100, 3) uint8
- 教程样例: