RandomResize

class torchvision.transforms.v2.RandomResize(min_size: int, max_size: int, interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)

隨機調整輸入大小。

此轉換可以與 RandomCrop 一起使用，作為資料擴增，以在影像分割任務上訓練模型。

輸出空間大小從區間 [min_size, max_size] 中隨機取樣

size = uniform_sample(min_size, max_size)
output_width = size
output_height = size

如果輸入是 torch.Tensor 或 TVTensor（例如 Image、Video、BoundingBoxes 等），它可以有任意數量的領先批次維度。 例如，影像可以具有 [..., C, H, W] 形狀。 邊界框可以具有 [..., 4] 形狀。

參數:

• min_size (int) – 隨機取樣的最小輸出大小

• max_size (int) – 隨機取樣的最大輸出大小

• interpolation (InterpolationMode, optional) – 期望的插值列舉，由 torchvision.transforms.InterpolationMode 定義。預設值為 InterpolationMode.BILINEAR。如果輸入是 Tensor，則僅支援 InterpolationMode.NEAREST、 InterpolationMode.NEAREST_EXACT、 InterpolationMode.BILINEAR 和 InterpolationMode.BICUBIC。對應的 Pillow 整數常數，例如 PIL.Image.BILINEAR 也被接受。

• antialias (bool, optional) –

  是否應用抗鋸齒。 它只會影響具有雙線性或雙立方模式的 張量（tensors） ，否則將被忽略：在 PIL 圖像上，始終在雙線性或雙立方模式下應用抗鋸齒；在其他模式（對於 PIL 圖像和張量）下，抗鋸齒沒有意義，此參數將被忽略。 可能的值為

  • True (預設)：將為雙線性或雙立方模式應用抗鋸齒。 其他模式不受影響。 這可能是您想要使用的。

  • False：不會對任何模式下的張量應用抗鋸齒。 PIL 圖像仍然在雙線性或雙立方模式下進行抗鋸齒，因為 PIL 不支援無抗鋸齒。

  • None：對於張量等同於 False，對於 PIL 圖像等同於 True。 此值出於歷史原因而存在，除非您真的知道自己在做什麼，否則您可能不想使用它。

  預設值從 v0.17 中的 None 更改為 True，以使 PIL 和 Tensor 後端保持一致。

make_params(flat_inputs: List[Any]) → Dict[str, Any]

用於覆寫自定義轉換的方法。

請參閱 如何編寫您自己的 v2 轉換

transform(inpt: Any, params: Dict[str, Any]) → Any

用於覆寫自定義轉換的方法。

請參閱 如何編寫您自己的 v2 轉換