mindspore.dataset.vision.Crop
- class mindspore.dataset.vision.Crop(coordinates, size)[源代码]
在输入图像上裁剪出指定区域。
支持 Ascend 硬件加速,需要通过 .device(“Ascend”) 方式开启。
- 参数:
coordinates (sequence) - 裁剪区域的起始左上角坐标。必须是两个值的序列,形式为(上,左)。
size (Union[int, sequence]) - 裁剪区域的尺寸大小。 如果 size 是整数,则返回一个裁剪尺寸大小为 (size, size) 的正方形。 如果 size 是一个长度为 2 的序列,则以2个元素分别为高和宽放缩至(高度, 宽度)大小。 值必须大于 0。
- 异常:
TypeError - 如果 coordinates 不是sequence类型。
TypeError - 如果 size 不是int或sequence类型。
ValueError - 如果 coordinates 小于 0。
ValueError - 如果 size 小于或等于 0。
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"]) >>> crop_op = vision.Crop((0, 0), 32) >>> transforms_list = [crop_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 (32, 32, 3) uint8 >>> >>> # Use the transform in eager mode >>> data = np.array([[0, 1, 2, 3, 4, 5], [0, 1, 2, 3, 4, 5]], dtype=np.uint8).reshape((2, 2, 3)) >>> output = vision.Crop((0, 0), 1)(data) >>> print(output.shape, output.dtype) (1, 1, 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 >>> >>> # 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"]) >>> crop_op = vision.Crop((0, 0), (100, 75)).device("Ascend") >>> transforms_list = [crop_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.Crop((0, 0), 64).device("Ascend")(data) >>> print(output.shape, output.dtype) (64, 64, 3) uint8