Randomcrop en pytorch

Ce code explore la transformée RandomCrop dans TorchVision. Les exemples montrent comment les différents paramètres affectent le recadrage et le rembourrage des images de l'ensemble de données d'Oxfordiiitpet. Décomposons le code et sa sortie.

Le code initialise d'abord une transformée RandomCrop avec divers paramètres: size (la taille de la sortie), padding (quantité de rembourrage ajouté avant la récolte), pad_if_needed (s'il faut tamponner si l'entrée est plus petite que size), fill (la couleur de remplissage pour le rembourrage) et padding_mode (la méthode de rembourrage).

Ensuite, il crée plusieurs instances de l'ensemble de données OxfordIIITPet, chacune utilisant une configuration de transformation RandomCrop différente. Cela permet une comparaison visuelle des effets de chaque paramètre. Les images sont ensuite affichées en utilisant matplotlib.pyplot.

Le code est structuré pour montrer la sortie de RandomCrop avec diverses combinaisons de paramètres:

• Valeurs différentes size: montre comment la modification de la taille de la sortie affecte l'image recadrée.
• Différentes valeurs padding: montrent à quel point les valeurs de rembourrage positives et négatives affectent l'image avant le recadrage. Le rembourrage négatif rétrécit efficacement l'image avant de les recadrer.
• pad_if_needed: illustre la différence entre le rembourrage lorsque l'entrée est plus petite que la taille cible (pad_if_needed=True) et l'augmentation d'une erreur lorsqu'elle est (pad_if_needed=False).
• Différentes valeurs fill: montre comment les différentes couleurs de remplissage (niveaux de gris et RGB) affectent les régions rembourrées de l'image.
• Différentes valeurs padding_mode: démontrent les quatre modes de rembourrage: «constante», «bord», «réflexion» et «symétrique».

La sortie se compose de nombreuses grilles d'image, chacune montrant cinq cultures aléatoires d'une image de l'ensemble de données Oxfordiiitpet sous une configuration RandomCrop spécifique. Les titres indiquent clairement les paramètres utilisés pour chaque grille. Le code comprend également une deuxième fonction show_images2 qui reproduit la fonctionnalité de show_images1 mais prend les paramètres comme arguments, ce qui le rend plus concis pour démontrer l'effet de chaque paramètre.

Observations clés des images:

Les images illustrent clairement les effets de chaque paramètre. Par exemple:

• Les valeurs plus petites size entraînent des images recadrées plus petites.
• Positive padding Les valeurs ajoutent une bordure à l'image avant la récolte, tandis que les valeurs négatives réduisent la taille de l'image.
• pad_if_needed=True empêche les erreurs lorsque l'image est plus petite que la taille de la cible, tandis que pad_if_needed=False entraîne des erreurs.
• fill Les valeurs changent la couleur de la bordure rembourrée.
• Différentes valeurs padding_mode produisent des modèles différents dans les régions rembourrées.

Le code est bien structuré et démontre efficacement la fonctionnalité de la transformée RandomCrop et de ses différents paramètres. L'utilisation d'images facilite la compréhension de l'impact visuel de chaque paramètre.

... (images restantes)

Remarque: En raison du grand nombre d'images, je n'ai inclus que les premières descriptions d'images ici. L'ensemble complet d'images devrait être affiché séparément.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!