RandomShortestSize

class torchvision.transforms.v2.RandomShortestSize(min_size: Union[list[int], tuple[int], int], max_size: Optional[int] = None, interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)

随机调整输入大小。

如果输入是 torch.Tensor 或 TVTensor (例如 Image, Video, BoundingBoxes 等) 它可能具有任意数量的前置批处理维度。例如，图像可以具有 [..., C, H, W] 形状。边界框可以具有 [..., 4] 形状。

参数:

• min_size (int 或 sequence of python:int) – 最小空间尺寸。单个整数值或整数值序列。

• max_size (int, optional) – 最大空间尺寸。默认值 None。

• interpolation (InterpolationMode, optional) – 由 torchvision.transforms.InterpolationMode 定义的所需插值枚举。默认值为 InterpolationMode.BILINEAR。如果输入是 Tensor，则仅支持 InterpolationMode.NEAREST, InterpolationMode.NEAREST_EXACT, InterpolationMode.BILINEAR 和 InterpolationMode.BICUBIC。也接受相应的 Pillow 整数常量，例如 PIL.Image.BILINEAR。

• antialias (bool, 可选) –

  是否应用抗锯齿。它仅影响 bilinear 或 bicubic 模式的张量，否则将被忽略：在 PIL 图像上，抗锯齿始终在 bilinear 或 bicubic 模式下应用；在其他模式下 (对于 PIL 图像和张量)，抗锯齿没有意义，并且此参数将被忽略。可能的值为

  • True (默认)：将对双线性或双三次模式应用抗锯齿。其他模式不受影响。这可能是您想要使用的。

  • False：将不对任何模式下的张量应用抗锯齿。PIL 图像在双线性或双三次模式下仍然进行抗锯齿处理，因为 PIL 不支持无抗锯齿。

  • None: 对于张量等同于 False，对于 PIL 图像等同于 True。此值存在是为了历史原因，除非您真正了解您在做什么，否则可能不希望使用它。

  默认值在 v0.17 中从 None 更改为 True，以使 PIL 和 Tensor 后端保持一致。

make_params(flat_inputs: list[Any]) → dict[str, Any]

用于覆盖自定义变换的方法。

请参阅 如何编写自己的 v2 变换

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

用于覆盖自定义变换的方法。

请参阅 如何编写自己的 v2 变换