mindspore.dataset.vision.Pad

class mindspore.dataset.vision.Pad(padding, fill_value=0, padding_mode=Border.CONSTANT)[源代码]

填充图像。

支持 Ascend 硬件加速,需要通过 .device("Ascend") 方式开启。

参数:
  • padding (Union[int, Sequence[int, int], Sequence[int, int, int, int]]) - 图像各边填充的像素数。 如果 padding 是一个整数,代表为图像的所有方向填充该值大小的像素。 如果 padding 是一个包含2个值的元组或列表,第一个值会用于填充图像的左侧和右侧,第二个值会用于填充图像的上侧和下侧。 如果 padding 是一个包含4个值的元组或列表,则分别填充图像的左侧、上侧、右侧和下侧。 填充值必须为非负值。

  • fill_value (Union[int, tuple[int]], 可选) - 填充的像素值,仅在 padding_mode 取值为 Border.CONSTANT 时有效。 如果是3元素元组,则分别用于填充R、G、B通道。 如果是整数,则用于所有 RGB 通道。 fill_value 值必须在 [0, 255] 范围内。默认值: 0

  • padding_mode (Border, 可选) - 边界填充方式。可以是 Border.CONSTANTBorder.EDGEBorder.REFLECTBorder.SYMMETRIC 。默认值: Border.CONSTANT

    • Border.CONSTANT - 使用常量值进行填充。

    • Border.EDGE - 使用各边的边界像素值进行填充。

    • Border.REFLECT - 以各边的边界为轴进行镜像填充,忽略边界像素值。

    • Border.SYMMETRIC - 以各边的边界为轴进行对称填充,包括边界像素值。

异常:
  • TypeError - 如果 padding 不是int或Sequence[int, int], Sequence[int, int, int, int]类型。

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

  • TypeError - 如果 padding_mode 不是 mindspore.dataset.vision.Border 的类型。

  • ValueError - 如果 padding 为负数。

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

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

支持平台:

CPU Ascend

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.Pad([100, 100, 100, 100])]
>>> 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
(300, 300, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.Pad([100, 100, 100, 100])(data)
>>> print(output.shape, output.dtype)
(300, 300, 3) uint8
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 Ascend 时,输入/输出数据的维度限制为[4, 6]和[32768, 32768]之间。

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

支持平台:

CPU Ascend

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"])
>>> pad_op = vision.Pad([100, 100, 100, 100]).device("Ascend")
>>> transforms_list = [pad_op]
>>> 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
(300, 300, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.Pad([100, 100, 100, 100]).device("Ascend")(data)
>>> print(output.shape, output.dtype)
(300, 300, 3) uint8