请我喝杯咖啡☕
*备忘录:
- 我的帖子解释了 randomhorizontalflip()。
- 我的帖子解释了 oxfordiiitpet()。
randomverticalflip() 可以垂直翻转零个或多个图像,如下所示:
*备忘录:
- 初始化的第一个参数是 p(optional-default:0.5-type:float)。 *这是每张图像被翻转的概率。 *这是每张图像被翻转的概率。
- 第一个参数是 img(必需类型:pil 图像或张量、元组或 int 列表):
*备注:
- 必须是二维的。
- 不要使用img=。
- v2建议按照v1还是v2使用?我应该使用哪一个?
from torchvision.datasets import oxfordiiitpet
from torchvision.transforms.v2 import randomverticalflip
randomverticalflip()
# randomverticalflip(p=0.5)
randomverticalflip().p
# 0.5
origin_data = oxfordiiitpet(
root="data",
transform=none
)
trans100_data = oxfordiiitpet(
root="data",
transform=randomverticalflip(p=1.0)
)
trans50_data = oxfordiiitpet(
root="data",
transform=randomverticalflip(p=0.5)
)
import matplotlib.pyplot as plt
def show_images(data, main_title=none):
plt.figure(figsize=(10, 5))
plt.suptitle(t=main_title, y=0.8, fontsize=14)
for i, (im, _) in zip(range(1, 6), data):
plt.subplot(1, 5, i)
plt.imshow(x=im)
plt.xticks(ticks=[])
plt.yticks(ticks=[])
plt.tight_layout()
plt.show()
show_images(data=origin_data, main_title="origin_data")
show_images(data=trans100_data, main_title="trans100_data")
show_images(data=trans50_data, main_title="trans50_data")
from torchvision.datasets import OxfordIIITPet
from torchvision.transforms.v2 import RandomVerticalFlip
my_data = OxfordIIITPet(
root="data",
transform=None
)
import matplotlib.pyplot as plt
def show_images(data, main_title=None, prob=0.0):
plt.figure(figsize=(10, 5))
plt.suptitle(t=main_title, y=0.8, fontsize=14)
for i, (im, _) in zip(range(1, 6), data):
plt.subplot(1, 5, i)
rvf = RandomVerticalFlip(p=prob)
plt.imshow(X=rvf(im))
plt.xticks(ticks=[])
plt.yticks(ticks=[])
plt.tight_layout()
plt.show()
show_images(data=my_data, main_title="origin_data")
show_images(data=my_data, main_title="trans100_data", prob=1.0)
show_images(data=my_data, main_title="trans50_data", prob=0.5)
以上就是PyTorch 中的随机垂直翻转的详细内容,更多请关注知识资源分享宝库其它相关文章!
版权声明
本站内容来源于互联网搬运,
仅限用于小范围内传播学习,请在下载后24小时内删除,
如果有侵权内容、不妥之处,请第一时间联系我们删除。敬请谅解!
E-mail:dpw1001@163.com
发表评论