给我买咖啡☕
*备忘录：
我的帖子解释了牛津iiitpet（）。
> randomequalize（）可以用给定概率随机将图像的直方图均衡如下：
>
*备忘录：
初始化的第一个参数是p（可选默认：0.5-type：int或float）：*备忘录：是图像是否倒置的概率。>必须为0 第一个参数是img（必需类型：pil图像或张量（int））：*备忘录：张量必须为2d或3d。不使用img =。建议根据v1或v2使用v2？我应该使用哪一个？
from torchvision.datasets import OxfordIIITPetfrom torchvision.transforms.v2 import RandomEqualizerandomequalize = RandomEqualize()randomequalize = RandomEqualize(p=0.5)randomequalize# RandomEqualize(p=0.5)randomequalize.p # 0.5origin_data = OxfordIIITPet( root="data", transform=None)p0_data = OxfordIIITPet( root="data", transform=RandomEqualize(p=0))p05_data = OxfordIIITPet( root="data", transform=RandomEqualize(p=0.5) # transform=RandomEqualize())p1_data = OxfordIIITPet( root="data", transform=RandomEqualize(p=1))import matplotlib.pyplot as pltdef show_images1(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_images1(data=origin_data, main_title="origin_data")print()show_images1(data=p0_data, main_title="p0_data")show_images1(data=p0_data, main_title="p0_data")show_images1(data=p0_data, main_title="p0_data")print()show_images1(data=p05_data, main_title="p05_data")show_images1(data=p05_data, main_title="p05_data")show_images1(data=p05_data, main_title="p05_data")print()show_images1(data=p1_data, main_title="p1_data")show_images1(data=p1_data, main_title="p1_data")show_images1(data=p1_data, main_title="p1_data")# ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓def show_images2(data, main_title=None, prob=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) re = RandomEqualize(p=prob) plt.imshow(X=re(im)) plt.xticks(ticks=[]) plt.yticks(ticks=[]) plt.tight_layout() plt.show()show_images2(data=origin_data, main_title="origin_data")print()show_images2(data=origin_data, main_title="p0_data", prob=0)show_images2(data=origin_data, main_title="p0_data", prob=0)show_images2(data=origin_data, main_title="p0_data", prob=0)print()show_images2(data=origin_data, main_title="p05_data", prob=0.5)show_images2(data=origin_data, main_title="p05_data", prob=0.5)show_images2(data=origin_data, main_title="p05_data", prob=0.5)print()show_images2(data=origin_data, main_title="p1_data", prob=1)show_images2(data=origin_data, main_title="p1_data", prob=1)show_images2(data=origin_data, main_title="p1_data", prob=1)
以上就是randomequalize in pytorch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/1356265.html
微信扫一扫 
支付宝扫一扫 
