mindspore.dataset.vision.RandomSelectSubpolicy

class mindspore.dataset.vision.RandomSelectSubpolicy(policy)[源代码]

从策略列表中随机选择一个子策略以应用于输入图像。

参数：

  • policy (list[list[tuple[TensorOperation, float]]]) - 可供选择的子策略列表。子策略是一系列 (operation, prob) 格式的元组组成的列表，其中 operation 是数据处理操作， prob 是应用此操作的概率， prob 值必须在 [0.0, 1.0] 范围内。一旦选择了子策略，子策略中的每个操作都将根据其概率依次应用。

异常：

  • TypeError - 当 policy 包含无效数据处理操作。

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"])
>>> policy = [[(vision.RandomRotation((45, 45)), 0.5),
...            (vision.RandomVerticalFlip(), 1),
...            (vision.RandomColorAdjust(), 0.8)],
...           [(vision.RandomRotation((90, 90)), 1),
...            (vision.RandomColorAdjust(), 0.2)]]
>>> numpy_slices_dataset = numpy_slices_dataset.map(operations=vision.RandomSelectSubpolicy(policy),
...                                                 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)
>>> policy = [[(vision.RandomRotation((90, 90)), 1), (vision.RandomColorAdjust(), 1)]]
>>> output = vision.RandomSelectSubpolicy(policy)(data)
>>> print(output.shape, output.dtype)
(100, 100, 3) uint8
教程样例：