Pytorch中的Randomcrop（3）
怎么入门文章编程？需要学习哪些知识点？这是新手们刚接触编程时常见的问题；下面golang学习网就来给大家整理分享一些知识点，希望能够给初学者一些帮助。本篇文章就来介绍《Pytorch中的Randomcrop（3）》，涉及到，有需要的可以收藏一下
给我买咖啡☕
*备忘录：
- 我的帖子解释了关于大小参数的randomcrop（）。 >
- 我的帖子解释了randomcrop（）有关填充，填充和padding_mode参数。 >
- 我的帖子解释了牛津iiitpet（）。
randomcrop（）可以随机裁剪图像，如下所示：from torchvision.datasets import OxfordIIITPet
from torchvision.transforms.v2 import RandomCrop
origin_data = OxfordIIITPet(
root="data",
transform=None
)
s500_394origin_data = OxfordIIITPet( # `s` is size.
root="data",
transform=RandomCrop(size=[500, 394])
)
s600_494pinTrue_data = OxfordIIITPet( # `pin` is pad_if_needed.
root="data",
transform=RandomCrop(size=[600, 494], pad_if_needed=True)
)
s700_594pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], pad_if_needed=True)
)
s800_694pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[800, 694], pad_if_needed=True)
)
s400_494pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[400, 494], pad_if_needed=True)
)
s600_294pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[600, 294], pad_if_needed=True)
)
s600_494pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[600, 494], pad_if_needed=False)
)
s700_594pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], pad_if_needed=False)
)
s800_694pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[800, 694], pad_if_needed=False)
)
s400_494pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[400, 494], pad_if_needed=False)
)
s600_294pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[600, 294], pad_if_needed=False)
)
s700_594p100origin_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], pad_if_needed=100)
)
s800_694p100pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[800, 694], padding=100, pad_if_needed=True)
)
s900_794p100pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[900, 794], padding=100, pad_if_needed=True)
)
s1000_894p100pinTrue_data = OxfordIIITPet( # `p` is padding.
root="data",
transform=RandomCrop(size=[1000, 894], padding=100, pad_if_needed=True)
)
s600_694p100pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[600, 694], padding=100, pad_if_needed=True)
)
s800_494p100pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[800, 494], padding=100, pad_if_needed=True)
)
s800_694p100pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[800, 694], padding=100, pad_if_needed=False)
)
s900_794p100pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[900, 794], padding=100, pad_if_needed=False)
)
s1000_894p100pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[1000, 894], padding=100, pad_if_needed=False)
)
s600_694p100pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[600, 694], padding=100, pad_if_needed=False)
)
s800_494p100pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[800, 494], padding=100, pad_if_needed=False)
)
s400_294pn50origin_data = OxfordIIITPet( # `n` is negative.
root="data",
transform=RandomCrop(size=[400, 294], padding=-50)
)
s500_394pn50pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[500, 394], padding=-50, pad_if_needed=True)
)
s600_494pn50pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[600, 494], padding=-50, pad_if_needed=True)
)
s700_594pn50pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=-50, pad_if_needed=True)
)
s350_444pn50pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[350, 444], padding=-50, pad_if_needed=True)
)
s450_244pn50pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[450, 244], padding=-50, pad_if_needed=True)
)
s500_394pn50pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[500, 394], padding=-50, pad_if_needed=False)
)
s600_494pn50pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[600, 494], padding=-50, pad_if_needed=False)
)
s700_594pn50pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=-50, pad_if_needed=False)
)
s350_444pn50pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[350, 444], padding=-50, pad_if_needed=False)
)
s450_244pn50pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[450, 244], padding=-50, pad_if_needed=False)
)
s700_594p100origin_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=100)
)
s700_594p50pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=50, pad_if_needed=True)
)
s700_594p0pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=0, pad_if_needed=True)
)
s700_594pn50pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=-50, pad_if_needed=True)
)
s700_594pn100pinTrue_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=-100, pad_if_needed=True)
)
s700_594p50pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=50, pad_if_needed=False)
)
s700_594p0pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=0, pad_if_needed=False)
)
s700_594pn50pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=-50, pad_if_needed=False)
)
s700_594pn100pinFalse_data = OxfordIIITPet(
root="data",
transform=RandomCrop(size=[700, 594], padding=-100, pad_if_needed=False)
)
import matplotlib.pyplot as plt
def show_images1(data, main_title=None):
plt.figure(figsize=[10, 5.5])
plt.suptitle(t=main_title, y=0.8, fontsize=14)
for i in range(1, 6):
plt.subplot(1, 5, i)
plt.imshow(X=data[0][0])
plt.tight_layout()
plt.show()
show_images1(data=s500_394origin_data, main_title="s500_394origin_data")
show_images1(data=s600_494pinTrue_data, main_title="s600_494pinTrue_data")
show_images1(data=s700_594pinTrue_data, main_title="s700_594pinTrue_data")
show_images1(data=s800_694pinTrue_data, main_title="s800_694pinTrue_data")
show_images1(data=s400_494pinTrue_data, main_title="s400_494pinTrue_data")
show_images1(data=s600_294pinTrue_data, main_title="s600_294pinTrue_data")
# show_images1(data=s600_494pinFalse_data,
# main_title="s600_494pinFalse_data") # Error
# show_images1(data=s700_594pinFalse_data,
# main_title="s700_594pinFalse_data") # Error
# show_images1(data=s800_694pinFalse_data,
# main_title="s800_694pinFalse_data") # Error
# show_images1(data=s400_494pinFalse_data,
# main_title="s400_494pinFalse_data") # Error
# show_images1(data=s600_294pinFalse_data,
# main_title="s600_294pinFalse_data") # Error
print()
show_images1(data=s700_594p100origin_data,
main_title="s700_594p100origin_data")
show_images1(data=s800_694p100pinTrue_data,
main_title="s800_694p100pinTrue_data")
show_images1(data=s900_794p100pinTrue_data,
main_title="s900_794p100pinTrue_data")
show_images1(data=s1000_894p100pinTrue_data,
main_title="s1000_894p100pinTrue_data")
show_images1(data=s600_694p100pinTrue_data,
main_title="s600_694p100pinTrue_data")
show_images1(data=s800_494p100pinTrue_data,
main_title="s800_494p100pinTrue_data")
# show_images1(data=s800_694p100pinFalse_data,
# main_title="s800_694p100pinFalse_data") # Error
# show_images1(data=s900_794p100pinFalse_data,
# main_title="s900_794p100pinFalse_data") # Error
# show_images1(data=s1000_894p100pinFalse_data,
# main_title="s1000_894p100pinFalse_data") # Error
# show_images1(data=s600_694p100pinFalse_data,
# main_title="s600_694p100pinFalse_data") # Error
# show_images1(data=s800_494p100pinFalse_data,
# main_title="s800_494p100pinFalse_data") # Error
print()
show_images1(data=s400_294pn50origin_data,
main_title="s400_294pn50origin_data")
show_images1(data=s500_394pn50pinTrue_data,
main_title="s500_394pn50pinTrue_data")
show_images1(data=s600_494pn50pinTrue_data,
main_title="s600_494pn50pinTrue_data")
show_images1(data=s700_594pn50pinTrue_data,
main_title="s700_594pn50pinTrue_data")
show_images1(data=s350_444pn50pinTrue_data,
main_title="s350_444pn50pinTrue_data")
show_images1(data=s450_244pn50pinTrue_data,
main_title="s450_244pn50pinTrue_data")
# show_images1(data=s500_394pn50pinFalse_data,
# main_title="s500_394pn50pinFalse_data") # Error
# show_images1(data=s600_494pn50pinFalse_data,
# main_title="s600_494pn50pinFalse_data") # Error
# show_images1(data=s700_594pn50pinFalse_data,
# main_title="s700_594pn50pinFalse_data") # Error
# show_images1(data=s350_444pn50pinFalse_data,
# main_title="s350_444pn50pinFalse_data") # Error
# show_images1(data=s450_244pn50pinFalse_data,
# main_title="s450_244pn50pinFalse_data") # Error
print()
show_images1(data=s700_594p100origin_data,
main_title="s700_594p100origin_data")
show_images1(data=s700_594p50pinTrue_data,
main_title="s700_594p50pinTrue_data")
show_images1(data=s700_594p0pinTrue_data,
main_title="s700_594p0pinTrue_data")
show_images1(data=s700_594pn50pinTrue_data,
main_title="s700_594pn50pinTrue_data")
show_images1(data=s700_594pn100pinTrue_data,
main_title="s700_594pn100pinTrue_data")
# show_images1(data=s700_594p50pinFalse_data,
# main_title="s700_594p50pinFalse_data") # Error
# show_images1(data=s700_594p0pinFalse_data,
# main_title="s700_594p0pinFalse_data") # Error
# show_images1(data=s700_594pn50pinFalse_data,
# main_title="s700_594pn50pinFalse_data") # Error
# show_images1(data=s700_594pn100pinFalse_data,
# main_title="s700_594pn100pinFalse_data") # Error
# ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓
def show_images2(data, main_title=None, s=None, p=None,
pin=False, f=0, pm='constant'):
plt.figure(figsize=[10, 5.5])
plt.suptitle(t=main_title, y=0.8, fontsize=14)
temp_s = s
im = data[0][0]
for i in range(1, 6):
plt.subplot(1, 5, i)
if not temp_s:
s = [im.size[1], im.size[0]]
rc = RandomCrop(size=s, padding=p, # Here
pad_if_needed=pin, fill=f, padding_mode=pm)
plt.imshow(X=rc(im)) # Here
plt.tight_layout()
plt.show()
show_images2(data=origin_data, main_title="s500_394origin_data",
s=[500, 394])
show_images2(data=origin_data, main_title="s600_494pinTrue_data",
s=[600, 494], pin=True)
show_images2(data=origin_data, main_title="s700_594pinTrue_data",
s=[700, 594], pin=True)
show_images2(data=origin_data, main_title="s800_694pinTrue_data",
s=[800, 694], pin=True)
show_images2(data=origin_data, main_title="s400_494pinTrue_data",
s=[400, 494], pin=True)
show_images2(data=origin_data, main_title="s600_294pinTrue_data",
s=[600, 294], pin=True)
# show_images2(data=origin_data, main_title="s600_494pinFalse_data",
# s=[600, 494], pin=False) # Error
# show_images2(data=origin_data, main_title="s700_594pinFalse_data",
# s=[700, 594], pin=False) # Error
# show_images2(data=origin_data, main_title="s800_694pinFalse_data",
# s=[800, 694], pin=False) # Error
# show_images2(data=origin_data, main_title="s400_494pinFalse_data",
# s=[400, 494], pin=False) # Error
# show_images2(data=origin_data, main_title="s600_294pinFalse_data",
# s=[600, 294], pin=False) # Error
print()
show_images2(data=origin_data, main_title="s700_594p100origin_data",
s=[700, 594], p=100)
show_images2(data=origin_data, main_title="s800_694p100pinTrue_data",
s=[800, 694], p=100, pin=True)
show_images2(data=origin_data, main_title="s900_794p100pinTrue_data",
s=[900, 794], p=100, pin=True)
show_images2(data=origin_data, main_title="s1000_894p100pinTrue_data",
s=[1000, 894], p=100, pin=True)
show_images2(data=origin_data, main_title="s600_694p100pinTrue_data",
s=[600, 694], p=100, pin=True)
show_images2(data=origin_data, main_title="s800_494p100pinTrue_data",
s=[800, 494], p=100, pin=True)
# show_images2(data=origin_data, main_title="s800_694p100pinFalse_data",
# s=[800, 694], p=100, pin=False) # Error
# show_images2(data=origin_data, main_title="s900_794p100pinFalse_data",
# s=[900, 794], p=100, pin=False) # Error
# show_images2(data=origin_data, main_title="s1000_894p100pinFalse_data",
# s=[1000, 894], p=100, pin=False) # Error
# show_images2(data=origin_data, main_title="s600_694p100pinFalse_data",
# s=[600, 694], p=100, pin=False) # Error
# show_images2(data=origin_data, main_title="s800_494p100pinFalse_data",
# s=[800, 494], p=100, pin=False) # Error
print()
show_images2(data=origin_data, main_title="s400_294pn50origin_data",
s=[400, 294], p=-50)
show_images2(data=origin_data, main_title="s500_394pn50pinTrue_data",
s=[500, 394], p=-50, pin=True)
show_images2(data=origin_data, main_title="s600_494pn50pinTrue_data",
s=[600, 494], p=-50, pin=True)
show_images2(data=origin_data, main_title="s700_594pn50pinTrue_data",
s=[700, 594], p=-50, pin=True)
show_images2(data=origin_data, main_title="s350_444pn50pinTrue_data",
s=[350, 444], p=-50, pin=True)
show_images2(data=origin_data, main_title="s450_244pn50pinTrue_data",
s=[450, 244], p=-50, pin=True)
# show_images2(data=origin_data, main_title="s500_394pn50pinFalse_data",
# s=[500, 394], p=-50, pin=False) # Error
# show_images2(data=origin_data, main_title="s600_494pn50pinFalse_data",
# s=[600, 494], p=-50, pin=False) # Error
# show_images2(data=origin_data, main_title="s700_594pn50pinFalse_data",
# s=[700, 594], p=-50, pin=False) # Error
# show_images2(data=origin_data, main_title="s350_444pn50pinFalse_data",
# s=[350, 444], p=-50, pin=False) # Error
# show_images2(data=origin_data, main_title="s450_244pn50pinFalse_data",
# s=[450, 244], p=-50, pin=False) # Error
print()
show_images2(data=origin_data, main_title="s700_594p100origin_data",
s=[700, 594], p=100)
show_images2(data=origin_data, main_title="s700_594p50pinTrue_data",
s=[700, 594], p=50, pin=True)
show_images2(data=origin_data, main_title="s700_594p0pinTrue_data",
s=[700, 594], p=0, pin=True)
show_images2(data=origin_data, main_title="s700_594pn50pinTrue_data",
s=[700, 594], p=-50, pin=True)
show_images2(data=origin_data, main_title="s700_594pn100pinTrue_data",
s=[700, 594], p=-100, pin=True)
# show_images2(data=origin_data, main_title="s700_594p50pinFalse_data",
# s=[700, 594], p=50, pin=False) # Error
# show_images2(data=origin_data, main_title="s700_594p0pinFalse_data",
# s=[700, 594], p=0, pin=False) # Error
# show_images2(data=origin_data, main_title="s700_594pn50pinFalse_data",
# s=[700, 594], p=-50, pin=False) # Error
# show_images2(data=origin_data, main_title="s700_594pn100pinFalse_data",
# s=[700, 594], p=-100, pin=False) # Error
本篇关于《Pytorch中的Randomcrop（3）》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！
中国科学院科研人员制备出具有优良导电性能的多层堆叠二维聚苯胺晶体
- 上一篇
- 中国科学院科研人员制备出具有优良导电性能的多层堆叠二维聚苯胺晶体
- 下一篇
- OpenAI将在慕尼黑设立其首个德国子公司
-
- 文章 · python教程 | 10分钟前 |
- Python数据可视化技巧与实现攻略
- 429浏览 收藏
-
- 文章 · python教程 | 36分钟前 | 数据库操作
- Python操作数据库详细教程及实例
- 461浏览 收藏
-
- 文章 · python教程 | 47分钟前 |
- lambda表达式怎么用及应用实例
- 201浏览 收藏
-
- 文章 · python教程 | 52分钟前 | 虚拟环境 激活 venv requirements.txt 路径问题
- Python虚拟环境创建详细指南
- 169浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- 无法导入Qwen2_5OmniModel模块的解决方法
- 107浏览 收藏
-
- 文章 · python教程 | 1小时前 |
- TimeMachine备份与Python虚拟环境隔离实战攻略
- 265浏览 收藏
-
- 文章 · python教程 | 1小时前 | Matplotlib 数据可视化 柱状图 Seaborn 堆积柱状图
- Python绘制柱状图详细教程
- 291浏览 收藏
-
- 文章 · python教程 | 1小时前 | 多态 鸭子类型 functools.singledispatch
- Python多态实现与应用技巧大全
- 337浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 542次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 508次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 497次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 484次学习
-
- 笔灵AI生成答辩PPT
- 探索笔灵AI生成答辩PPT的强大功能，快速制作高质量答辩PPT。精准内容提取、多样模板匹配、数据可视化、配套自述稿生成，让您的学术和职场展示更加专业与高效。
- 16次使用
-
- 知网AIGC检测服务系统
- 知网AIGC检测服务系统，专注于检测学术文本中的疑似AI生成内容。依托知网海量高质量文献资源，结合先进的“知识增强AIGC检测技术”，系统能够从语言模式和语义逻辑两方面精准识别AI生成内容，适用于学术研究、教育和企业领域，确保文本的真实性和原创性。
- 24次使用
-
- AIGC检测-Aibiye
- AIbiye官网推出的AIGC检测服务，专注于检测ChatGPT、Gemini、Claude等AIGC工具生成的文本，帮助用户确保论文的原创性和学术规范。支持txt和doc(x)格式，检测范围为论文正文，提供高准确性和便捷的用户体验。
- 30次使用
-
- 易笔AI论文
- 易笔AI论文平台提供自动写作、格式校对、查重检测等功能，支持多种学术领域的论文生成。价格优惠，界面友好，操作简便，适用于学术研究者、学生及论文辅导机构。
- 42次使用
-
- 笔启AI论文写作平台
- 笔启AI论文写作平台提供多类型论文生成服务，支持多语言写作，满足学术研究者、学生和职场人士的需求。平台采用AI 4.0版本，确保论文质量和原创性，并提供查重保障和隐私保护。
- 35次使用
-
- Flask框架安装技巧：让你的开发更高效
- 2024-01-03 501浏览
-
- Django框架中的并发处理技巧
- 2024-01-22 501浏览
-
- 提升Python包下载速度的方法——正确配置pip的国内源
- 2024-01-17 501浏览
-
- Python与C++：哪个编程语言更适合初学者？
- 2024-03-25 501浏览
-
- 品牌建设技巧
- 2024-04-06 501浏览
