RandomAffine dalam PyTorch

Kod ini menunjukkan perubahan RandomAffine dalam torchvision. Ia meneroka pelbagai kombinasi parameter, mempamerkan keupayaannya untuk putaran imej, terjemahan, penskalaan dan ricih. Hasilnya divisualisasikan menggunakan matplotlib.

Transformasi RandomAffine membolehkan transformasi imej dua dimensi dan tiga dimensi. Parameter utama termasuk:

• degrees: Menentukan sudut putaran. Nilai apungan tunggal mewakili julat simetri [-darjah, darjah]. Tuple/senarai dua apungan mentakrifkan julat tidak simetri [min, maks].

• translate: Mengawal terjemahan. Tuple/senarai dua apungan [a, b] masing-masing mewakili anjakan mendatar dan menegak, sebagai pecahan lebar dan tinggi imej.

• scale: Mentakrifkan julat penskalaan [min, maks].

• shear: Memperkenalkan ricih. Nilai apungan tunggal membayangkan julat ricih simetri [-ricih, ricih] untuk x, dengan ricih y ditetapkan kepada 0. Tuple/senarai dua apungan menentukan julat ricih x; tuple/senarai empat elemen mentakrifkan kedua-dua julat ricih x dan y.

• interpolation: Menentukan kaedah interpolasi (mis., InterpolationMode.NEAREST).

• fill: Menentukan warna isian untuk kawasan di luar imej yang diubah. Boleh menjadi nilai tunggal atau tuple/senarai yang mewakili nilai RGB.

• center: Tetapkan pusat putaran.

Kod secara sistematik menguji tetapan parameter yang berbeza, termasuk nilai ekstrem untuk menunjukkan tingkah laku transformasi dalam pelbagai keadaan. Visualisasi jelas menunjukkan kesan setiap parameter pada imej input. Kedua-dua fungsi show_images menyediakan kefungsian yang sama, satu menggunakan transformasi secara langsung dalam gelung plot dan satu lagi pra-mengira transformasi.

Imej yang dipaparkan di bawah secara visual mewakili output pelbagai RandomAffine transformasi yang digunakan pada imej daripada dataset OxfordIIITPet.

---

---

---

---

---

Atas ialah kandungan terperinci RandomAffine dalam PyTorch. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!