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.CONSTANT 、 Border.EDGE 、 Border.REFLECT 、 Border.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

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：

视觉变换样例库

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
>>>
>>> # 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