Pytorch中的Fivecrop

文章小白一枚，正在不断学习积累知识，现将学习到的知识记录一下，也是将我的所得分享给大家！而今天这篇文章《Pytorch中的Fivecrop》带大家来了解一下##content_title##，希望对大家的知识积累有所帮助，从而弥补自己的不足，助力实战开发！

给我买咖啡☕

*备忘录：

• 我的帖子解释了牛津iiitpet（）。

> fivecrop（）可以将图像裁剪成5个部分（左上角，右上，左下，右下和中心），如下所示：

>初始化的第一个参数是大小（必需类型：int或tuple/list/list（int）或size（））： *备忘录：
• 是[高度，宽度]。
  >必须是1个< = x。
  元组/列表必须是具有1或2个元素的1d。
  • 单个值（int或tuple/list（int））是指[size，size]。
  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 OxfordIIITPet
  from torchvision.transforms.v2 import FiveCrop
  
  fivecrop = FiveCrop(size=100)
  
  fivecrop
  # FiveCrop(size=(100, 100))
  
  fivecrop.size
  # (100, 100)
  
  origin_data = OxfordIIITPet(
      root="data",
      transform=None
  )
  
  s500_394origin_data = OxfordIIITPet( # `s` is size.
      root="data",
      transform=FiveCrop(size=[500, 394])
  )
  
  s300_data = OxfordIIITPet(
      root="data",
      transform=FiveCrop(size=300)
  )
  
  s200_data = OxfordIIITPet(
      root="data",
      transform=FiveCrop(size=200)
  )
  
  s100_data = OxfordIIITPet(
      root="data",
      transform=FiveCrop(size=100)
  )
  
  s50_data = OxfordIIITPet(
      root="data",
      transform=FiveCrop(size=50)
  )
  
  s10_data = OxfordIIITPet(
      root="data",
      transform=FiveCrop(size=10)
  )
  
  s1_data = OxfordIIITPet(
      root="data",
      transform=FiveCrop(size=1)
  )
  
  s200_300_data = OxfordIIITPet(
      root="data",
      transform=FiveCrop(size=[200, 300])
  )
  
  s300_200_data = OxfordIIITPet(
      root="data",
      transform=FiveCrop(size=[300, 200])
  )
  
  import matplotlib.pyplot as plt
  
  def show_images1(fcims, main_title=None):
      plt.figure(figsize=[10, 5])
      plt.suptitle(t=main_title, y=0.8, fontsize=14)
      titles = ['Top-left', 'Top-right', 'Bottom-left',
                'Bottom-right', 'Center']
      for i, fcim in zip(range(1, 6), fcims):
          plt.subplot(1, 5, i)
          plt.title(label=titles[i-1], fontsize=14)
          plt.imshow(X=fcim)
      plt.tight_layout()
      plt.show()
  
  plt.figure(figsize=(7, 9))
  plt.title(label="s500_394origin_data", fontsize=14)
  plt.imshow(X=origin_data[0][0])
  show_images1(fcims=s500_394origin_data[0][0], main_title="s500_394origin_data")
  show_images1(fcims=s300_data[0][0], main_title="s300_data")
  show_images1(fcims=s200_data[0][0], main_title="s200_data")
  show_images1(fcims=s100_data[0][0], main_title="s100_data")
  show_images1(fcims=s50_data[0][0], main_title="s50_data")
  show_images1(fcims=s10_data[0][0], main_title="s10_data")
  show_images1(fcims=s1_data[0][0], main_title="s1_data")
  show_images1(fcims=s200_300_data[0][0], main_title="s200_300_data")
  show_images1(fcims=s300_200_data[0][0], main_title="s300_200_data")
  
  # ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓
  def show_images2(im, main_title=None, s=None):
      plt.figure(figsize=[10, 5])
      plt.suptitle(t=main_title, y=0.8, fontsize=14)
      titles = ['Top-left', 'Top-right', 'Bottom-left',
                'Bottom-right', 'Center']
      if not s:
          s = [im.size[1], im.size[0]] 
      fc = FiveCrop(size=s) # Here
      for i, fcim in zip(range(1, 6), fc(im)):
          plt.subplot(1, 5, i)
          plt.title(label=titles[i-1], fontsize=14)
          plt.imshow(X=fcim) # Here
      plt.tight_layout()
      plt.show()
  
  plt.figure(figsize=(7, 9))
  plt.title(label="s500_394origin_data", fontsize=14)
  plt.imshow(X=origin_data[0][0])
  show_images2(im=origin_data[0][0], main_title="s500_394origin_data")
  # show_images2(im=origin_data[0][0], main_title="s500_394origin_data",
  #              s=[500, 394])
  show_images2(im=origin_data[0][0], main_title="s300_data", s=300)
  show_images2(im=origin_data[0][0], main_title="s200_data", s=200)
  show_images2(im=origin_data[0][0], main_title="s100_data", s=100)
  show_images2(im=origin_data[0][0], main_title="s50_data", s=50)
  show_images2(im=origin_data[0][0], main_title="s10_data", s=10)
  show_images2(im=origin_data[0][0], main_title="s1_data", s=1)
  show_images2(im=origin_data[0][0], main_title="s200_300_data", s=[200, 300])
  show_images2(im=origin_data[0][0], main_title="s300_200_data", s=[300, 200])
  

本篇关于《Pytorch中的Fivecrop》的介绍就到此结束啦，但是学无止境，想要了解学习更多关于文章的相关知识，请关注golang学习网公众号！