• <small id='2fNnL'></small><noframes id='2fNnL'>

      1. <legend id='2fNnL'><style id='2fNnL'><dir id='2fNnL'><q id='2fNnL'></q></dir></style></legend>
      2. <i id='2fNnL'><tr id='2fNnL'><dt id='2fNnL'><q id='2fNnL'><span id='2fNnL'><b id='2fNnL'><form id='2fNnL'><ins id='2fNnL'></ins><ul id='2fNnL'></ul><sub id='2fNnL'></sub></form><legend id='2fNnL'></legend><bdo id='2fNnL'><pre id='2fNnL'><center id='2fNnL'></center></pre></bdo></b><th id='2fNnL'></th></span></q></dt></tr></i><div id='2fNnL'><tfoot id='2fNnL'></tfoot><dl id='2fNnL'><fieldset id='2fNnL'></fieldset></dl></div>
          <bdo id='2fNnL'></bdo><ul id='2fNnL'></ul>
        <tfoot id='2fNnL'></tfoot>

        Pytorch中transforms.Resize()的简单使用

        时间:2023-12-16
          <tbody id='X2LGI'></tbody>
        • <bdo id='X2LGI'></bdo><ul id='X2LGI'></ul>
        • <legend id='X2LGI'><style id='X2LGI'><dir id='X2LGI'><q id='X2LGI'></q></dir></style></legend>

          <i id='X2LGI'><tr id='X2LGI'><dt id='X2LGI'><q id='X2LGI'><span id='X2LGI'><b id='X2LGI'><form id='X2LGI'><ins id='X2LGI'></ins><ul id='X2LGI'></ul><sub id='X2LGI'></sub></form><legend id='X2LGI'></legend><bdo id='X2LGI'><pre id='X2LGI'><center id='X2LGI'></center></pre></bdo></b><th id='X2LGI'></th></span></q></dt></tr></i><div id='X2LGI'><tfoot id='X2LGI'></tfoot><dl id='X2LGI'><fieldset id='X2LGI'></fieldset></dl></div>

            1. <small id='X2LGI'></small><noframes id='X2LGI'>

                <tfoot id='X2LGI'></tfoot>

                  下面是关于PyTorch中transforms.Resize()函数的详细讲解。

                  1. transforms.Resize()函数概述

                  transforms.Resize()函数是PyTorch中transforms模块提供的一个图像处理函数,它可以对图像进行缩放操作。具体来说,这个函数可以将输入图像的尺寸调整为给定的目标尺寸。

                  该函数的输入参数包括目标尺寸(target_size)、插值方法(interpolation)和调整后图像的长宽比(aspect_ratio)等。通过这些参数的设定,可以灵活地进行图像缩放操作,并且能够对输入图像进行等比例或非等比例缩放。

                  2. transforms.Resize()函数的常用参数及用法

                  下面是PyTorch中transforms.Resize()函数常用的参数及用法:

                  (1) 目标尺寸(target_size)

                  目标尺寸(target_size)指定了调整后图像的高度和宽度。可以将目标尺寸设置为一个整数,此时函数将会把图像调整为指定的大小。例如,将目标尺寸设置为256x256,则函数将会把输入图像按照长宽比例缩放至高为256、宽为256的图像。

                  import torchvision.transforms as transforms
                  
                  resize = transforms.Resize((256,256)) 
                  

                  (2) 插值方法(interpolation)

                  插值方法(interpolation)指定了缩放过程中的差值方法。常见的插值方法有NEAREST、BILINEAR和BICUBIC等。

                  NEAREST方法是最近邻插值法,该方法在缩放图像时将采用离目标像素点最近的像素点作为结果像素点的值。

                  BILINEAR方法是双线性插值法,该方法在缩放图像时将采用目标像素点周围的四个像素点的加权平均值作为结果像素点的值。

                  BICUBIC方法是双三次插值法,该方法对目标像素点周围的16个像素点进行双三次插值处理,最后得到结果像素点的值。这种插值方法可以得到较为平滑的图像。

                  resize_bilinear = transforms.Resize((256,256),interpolation=transforms.InterpolationMode.BILINEAR)
                  resize_bicubic = transforms.Resize((256,256),interpolation=transforms.InterpolationMode.BICUBIC) 
                  

                  (3) 长宽比(aspect_ratio)

                  长宽比(aspect_ratio)是指调整后图像的长宽比。如果将长宽比设置为0,则函数会保持原始图像的长宽比不变。如果将长宽比设置为非0值,则函数将会按照设定的长宽比对图像进行缩放操作。例如,将长宽比设置为2,则函数将会按照原始图像的高度为基准,计算出宽度为原始图像高度的2倍,然后对图像进行缩放。

                  resize_aspect_ratio = transforms.Resize((256,512),aspect_ratio=2) 
                  

                  3. transforms.Resize()函数的示例说明

                  下面是两个使用transforms.Resize()函数的示例:

                  示例1:将图像缩放为256x256的大小

                  import torchvision.transforms as transforms
                  from PIL import Image
                  
                  img = Image.open('test.jpg')
                  
                  resize = transforms.Resize((256,256))
                  
                  img_resized = resize(img)
                  
                  img_resized.show()
                  

                  上面的代码将一个名为test.jpg的图像读入,并使用transforms.Resize()函数将图像缩放为256x256的大小,然后将缩放后的图像显示出来。

                  示例2:批量缩放图像

                  import torchvision.transforms as transforms
                  from PIL import Image
                  
                  img1 = Image.open('test1.jpg')
                  img2 = Image.open('test2.jpg')
                  img3 = Image.open('test3.jpg')
                  
                  resize = transforms.Resize((256,256))
                  
                  img1_resized = resize(img1)
                  img2_resized = resize(img2)
                  img3_resized = resize(img3)
                  
                  img_resized_list = [img1_resized, img2_resized, img3_resized]
                  
                  batch = transforms.ToTensor()(img_resized_list)
                  
                  print(batch.shape)
                  

                  上面的代码将三张名为test1.jpg、test2.jpg和test3.jpg的图像读入,并使用transforms.Resize()函数将它们缩放为256x256的大小。然后将缩放后的三张图像存储到一个列表中,并将它们转化为一个3x256x256的张量。最后,打印出该张量的维度信息。

                  上一篇:python 实现多进程日志轮转ConcurrentLogHandler 下一篇:python互斥锁、加锁、同步机制、异步通信知识总结

                  相关文章

                  • <bdo id='7nbMF'></bdo><ul id='7nbMF'></ul>

                    <small id='7nbMF'></small><noframes id='7nbMF'>

                    <i id='7nbMF'><tr id='7nbMF'><dt id='7nbMF'><q id='7nbMF'><span id='7nbMF'><b id='7nbMF'><form id='7nbMF'><ins id='7nbMF'></ins><ul id='7nbMF'></ul><sub id='7nbMF'></sub></form><legend id='7nbMF'></legend><bdo id='7nbMF'><pre id='7nbMF'><center id='7nbMF'></center></pre></bdo></b><th id='7nbMF'></th></span></q></dt></tr></i><div id='7nbMF'><tfoot id='7nbMF'></tfoot><dl id='7nbMF'><fieldset id='7nbMF'></fieldset></dl></div>

                    <legend id='7nbMF'><style id='7nbMF'><dir id='7nbMF'><q id='7nbMF'></q></dir></style></legend><tfoot id='7nbMF'></tfoot>