mindspore.dataset.vision.Resize

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。

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

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.ANTIALIAS 、 Inter.AREA 、 Inter.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 numpy as np
>>> import mindspore.dataset as ds
>>> import mindspore.dataset.vision as vision
>>> from mindspore.dataset.vision import Inter
>>>
>>> # 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"])
>>> resize_op = vision.Resize([100, 75], Inter.BICUBIC)
>>> transforms_list = [resize_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
(100, 75, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.Resize([5, 5], Inter.BICUBIC)(data)
>>> print(output.shape, output.dtype)
(5, 5, 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 CPU 和 Ascend 。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
>>> from mindspore.dataset.vision import Inter
>>>
>>> # Use the transform in dataset pipeline mode
>>> resize_op = vision.Resize([100, 75], Inter.BICUBIC).device("Ascend")
>>> transforms_list = [resize_op]
>>> data = np.random.randint(0, 255, size=(1, 100, 100, 3)).astype(np.uint8)
>>> numpy_slices_dataset = ds.NumpySlicesDataset(data, ["image"])
>>> 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, 75, 3) uint8
>>>
>>> # Use the transform in eager mode
>>> data = np.random.randint(0, 255, size=(100, 100, 3)).astype(np.uint8)
>>> output = vision.Resize([25, 25], Inter.BICUBIC).device("Ascend")(data)
>>> print(output.shape, output.dtype)
(25, 25, 3) uint8