随机散布在Pytorch中

学习知识要善于思考，思考，再思考！今天golang学习网小编就给大家带来《随机散布在Pytorch中》，以下内容主要包含等知识点，如果你正在学习或准备学习文章，就都不要错过本文啦~让我们一起来看看吧，能帮助到你就更好了！

给我买咖啡☕

*备忘录：

• 我的帖子解释了randomsolarize（）。
• 我的帖子解释了牛津iiitpet（）。

randominvert（）可以随机扭转图像，如下所示：>

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 < = x < = 1。
  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 RandomInvert

randominvert = RandomInvert()
randominvert = RandomInvert(p=0.5)

randominvert
# RandomInvert(p=0.5)

randominvert.p 
# 0.5

origin_data = OxfordIIITPet(
    root="data",
    transform=None
)

p0_data = OxfordIIITPet(
    root="data",
    transform=RandomInvert(p=0)
)

p05_data = OxfordIIITPet(
    root="data",
    transform=RandomInvert(p=0.5)
)

p1_data = OxfordIIITPet(
    root="data",
    transform=RandomInvert(p=1)
)

import matplotlib.pyplot as plt

def 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)
        ri = RandomInvert(p=prob)
        plt.imshow(X=ri(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)