请我喝杯咖啡☕
*备忘录：
我的帖子解释了 randomhorizontalflip()。我的帖子解释了 oxfordiiitpet()。
randomverticalflip() 可以垂直翻转零个或多个图像，如下所示：
*备忘录：
初始化的第一个参数是 p(optional-default:0.5-type:float)。 *这是每张图像被翻转的概率。 *这是每张图像被翻转的概率。 第一个参数是 img（必需类型：pil 图像或张量、元组或 int 列表）：*备注：必须是二维的。不要使用img=。v2建议按照v1还是v2使用？我应该使用哪一个？
from torchvision.datasets import oxfordiiitpetfrom torchvision.transforms.v2 import randomverticalfliprandomverticalflip()# randomverticalflip(p=0.5)randomverticalflip().p# 0.5origin_data = oxfordiiitpet( root="data", transform=none)trans100_data = oxfordiiitpet( root="data", transform=randomverticalflip(p=1.0))trans50_data = oxfordiiitpet( root="data", transform=randomverticalflip(p=0.5))import matplotlib.pyplot as pltdef show_images(data, main_title=none): plt.figure(figsize=(10, 5)) plt.suptitle(t=main_title, y=0.8, fontsize=14) for i, (im, _) in zip(range(1, 6), data): plt.subplot(1, 5, i) plt.imshow(x=im) plt.xticks(ticks=[]) plt.yticks(ticks=[]) plt.tight_layout() plt.show()show_images(data=origin_data, main_title="origin_data")show_images(data=trans100_data, main_title="trans100_data")show_images(data=trans50_data, main_title="trans50_data")
from torchvision.datasets import OxfordIIITPetfrom torchvision.transforms.v2 import RandomVerticalFlipmy_data = OxfordIIITPet( root="data", transform=None)import matplotlib.pyplot as pltdef show_images(data, main_title=None, prob=0.0): plt.figure(figsize=(10, 5)) plt.suptitle(t=main_title, y=0.8, fontsize=14) for i, (im, _) in zip(range(1, 6), data): plt.subplot(1, 5, i) rvf = RandomVerticalFlip(p=prob) plt.imshow(X=rvf(im)) plt.xticks(ticks=[]) plt.yticks(ticks=[]) plt.tight_layout() plt.show()show_images(data=my_data, main_title="origin_data")show_images(data=my_data, main_title="trans100_data", prob=1.0)show_images(data=my_data, main_title="trans50_data", prob=0.5)
以上就是PyTorch 中的随机垂直翻转的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1355059.html
微信扫一扫 
支付宝扫一扫 
