コーヒー買ってきて☕
ColorJitter() は、以下に示すように、0 個以上の画像の明るさ、コントラスト、彩度、色相を変更できます。
*メモ:
- 初期化の最初の引数は明るさ(Optional-Default:0-Type:float または tuple/list(float)) です。
*メモ:
- 明るさの範囲[最小、最大]です。
- 0
- 単一の値は [max(0, 1-明るさ), 1 明るさ] に変換されます。
- タプルまたはリストは 2 つの要素を持つ 1D でなければなりません。 *最初の要素は 2 番目の要素以下である必要があります。
- 初期化の 2 番目の引数はcontrast(Optional-Default:0-Type:float または tuple/list(float)) です。
*メモ:
- コントラストの範囲 [最小、最大]。
- 0
- 単一の値は [max(0, 1-コントラスト), 1 コントラスト] に変換されます。
- タプルまたはリストは 2 つの要素を持つ 1D でなければなりません。 *最初の要素は 2 番目の要素以下である必要があります。
- 初期化の 3 番目の引数は saturation(Optional-Default:0-Type:float または tuple/list(float)) です。
*メモ:
- 彩度の範囲[最小、最大]です。
- 0
- 単一の値は [max(0, 1-saturation), 1 saturation] に変換されます。
- タプルまたはリストは 2 つの要素を持つ 1D でなければなりません。 *最初の要素は 2 番目の要素以下である必要があります。
- 初期化の 4 番目の引数は hue(Optional-Default:0-Type:float または tuple/list(float)) です。
*メモ:
- 色相 [最小、最大] の範囲です。
- -0.5
- 単一の値は [-hue, hue] に変換されます。
- タプルまたはリストは 2 つの要素を持つ 1D でなければなりません。 *最初の要素は 2 番目の要素以下である必要があります。
- 最初の引数は img(Required-Type:PIL Image or tensor/tuple/list(int or float)) です。
*メモ:
- 2D または 3D である必要があります。 3D の場合、最も深い D には 1 つの要素が必要です。
- img=. は使用しないでください。
- V1 または V2 に従って v2 を使用することをお勧めしますか?どれを使えばいいのでしょうか?
from torchvision.datasets import OxfordIIITPet from torchvision.transforms.v2 import ColorJitter colorjitter = ColorJitter() colorjitter = ColorJitter(brightness=0, contrast=0, saturation=0, hue=0) colorjitter = ColorJitter(brightness=(1.0, 2.0), contrast=(1.0, 1.0), saturation=(1.0, 1.0), hue=(0.0, 0.0)) colorjitter # ColorJitter() print(colorjitter.brightness) # None print(colorjitter.contrast) # None print(colorjitter.saturation) # None print(colorjitter.hue) # None origin_data = OxfordIIITPet( root="data", transform=None # transform=ColorJitter() # colorjitter = ColorJitter(brightness=0, # contrast=0, # saturation=0, # hue=0) # transform=ColorJitter(brightness=(1.0, 1.0), # contrast=(1.0, 1.0), # saturation=(1.0, 1.0), # hue=(0.0, 0.0)) ) p2bright_data = OxfordIIITPet( # `p` is plus. root="data", transform=ColorJitter(brightness=2.0) # transform=ColorJitter(brightness=(0.0, 3.0)) ) p2p2bright_data = OxfordIIITPet( root="data", transform=ColorJitter(brightness=(2.0, 2.0)) ) p05p05bright_data = OxfordIIITPet( root="data", transform=ColorJitter(brightness=(0.5, 0.5)) ) p2contra_data = OxfordIIITPet( root="data", transform=ColorJitter(contrast=2.0) # transform=ColorJitter(contrast=(0.0, 3.0)) ) p2p2contra_data = OxfordIIITPet( root="data", transform=ColorJitter(contrast=(2.0, 2.0)) ) p05p05contra_data = OxfordIIITPet( root="data", transform=ColorJitter(contrast=(0.5, 0.5)) ) p2satura_data = OxfordIIITPet( root="data", transform=ColorJitter(saturation=2.0) # transform=ColorJitter(saturation=(0.0, 3.0)) ) p2p2satura_data = OxfordIIITPet( root="data", transform=ColorJitter(saturation=(2.0, 2.0)) ) p05p05satura_data = OxfordIIITPet( root="data", transform=ColorJitter(saturation=(0.5, 0.5)) ) p05hue_data = OxfordIIITPet( root="data", transform=ColorJitter(hue=0.5) # transform=ColorJitter(hue=(-0.5, 0.5)) ) p025p025hue_data = OxfordIIITPet( root="data", transform=ColorJitter(hue=(0.25, 0.25)) ) m025m025hue_data = OxfordIIITPet( # `m` is minus. root="data", transform=ColorJitter(hue=(-0.25, -0.25)) ) import matplotlib.pyplot as plt def 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=p2bright_data, main_title="p2bright_data") show_images(data=p2p2bright_data, main_title="p2p2bright_data") show_images(data=p05p05bright_data, main_title="p05p05bright_data") show_images(data=origin_data, main_title="origin_data") show_images(data=p2contra_data, main_title="p2contra_data") show_images(data=p2p2contra_data, main_title="p2p2contra_data") show_images(data=p05p05contra_data, main_title="p05p05contra_data") show_images(data=origin_data, main_title="origin_data") show_images(data=p2satura_data, main_title="p2satura_data") show_images(data=p2p2satura_data, main_title="p2p2satura_data") show_images(data=p05p05satura_data, main_title="p05p05satura_data") show_images(data=origin_data, main_title="origin_data") show_images(data=p05hue_data, main_title="p05hue_data") show_images(data=p025p025hue_data, main_title="p025p025hue_data") show_images(data=m025m025hue_data, main_title="m025m025hue_data")
from torchvision.datasets import OxfordIIITPet from torchvision.transforms.v2 import ColorJitter colorjitter = ColorJitter() colorjitter = ColorJitter(brightness=0, contrast=0, saturation=0, hue=0) colorjitter = ColorJitter(brightness=(1.0, 2.0), contrast=(1.0, 1.0), saturation=(1.0, 1.0), hue=(0.0, 0.0)) colorjitter # ColorJitter() print(colorjitter.brightness) # None print(colorjitter.contrast) # None print(colorjitter.saturation) # None print(colorjitter.hue) # None origin_data = OxfordIIITPet( root="data", transform=None # transform=ColorJitter() # colorjitter = ColorJitter(brightness=0, # contrast=0, # saturation=0, # hue=0) # transform=ColorJitter(brightness=(1.0, 1.0), # contrast=(1.0, 1.0), # saturation=(1.0, 1.0), # hue=(0.0, 0.0)) ) p2bright_data = OxfordIIITPet( # `p` is plus. root="data", transform=ColorJitter(brightness=2.0) # transform=ColorJitter(brightness=(0.0, 3.0)) ) p2p2bright_data = OxfordIIITPet( root="data", transform=ColorJitter(brightness=(2.0, 2.0)) ) p05p05bright_data = OxfordIIITPet( root="data", transform=ColorJitter(brightness=(0.5, 0.5)) ) p2contra_data = OxfordIIITPet( root="data", transform=ColorJitter(contrast=2.0) # transform=ColorJitter(contrast=(0.0, 3.0)) ) p2p2contra_data = OxfordIIITPet( root="data", transform=ColorJitter(contrast=(2.0, 2.0)) ) p05p05contra_data = OxfordIIITPet( root="data", transform=ColorJitter(contrast=(0.5, 0.5)) ) p2satura_data = OxfordIIITPet( root="data", transform=ColorJitter(saturation=2.0) # transform=ColorJitter(saturation=(0.0, 3.0)) ) p2p2satura_data = OxfordIIITPet( root="data", transform=ColorJitter(saturation=(2.0, 2.0)) ) p05p05satura_data = OxfordIIITPet( root="data", transform=ColorJitter(saturation=(0.5, 0.5)) ) p05hue_data = OxfordIIITPet( root="data", transform=ColorJitter(hue=0.5) # transform=ColorJitter(hue=(-0.5, 0.5)) ) p025p025hue_data = OxfordIIITPet( root="data", transform=ColorJitter(hue=(0.25, 0.25)) ) m025m025hue_data = OxfordIIITPet( # `m` is minus. root="data", transform=ColorJitter(hue=(-0.25, -0.25)) ) import matplotlib.pyplot as plt def 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=p2bright_data, main_title="p2bright_data") show_images(data=p2p2bright_data, main_title="p2p2bright_data") show_images(data=p05p05bright_data, main_title="p05p05bright_data") show_images(data=origin_data, main_title="origin_data") show_images(data=p2contra_data, main_title="p2contra_data") show_images(data=p2p2contra_data, main_title="p2p2contra_data") show_images(data=p05p05contra_data, main_title="p05p05contra_data") show_images(data=origin_data, main_title="origin_data") show_images(data=p2satura_data, main_title="p2satura_data") show_images(data=p2p2satura_data, main_title="p2p2satura_data") show_images(data=p05p05satura_data, main_title="p05p05satura_data") show_images(data=origin_data, main_title="origin_data") show_images(data=p05hue_data, main_title="p05hue_data") show_images(data=p025p025hue_data, main_title="p025p025hue_data") show_images(data=m025m025hue_data, main_title="m025m025hue_data")
以上がPyTorch の ColorJitterの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

Pythonlistscanstoreanydatatype,arraymodulearraysstoreonetype,andNumPyarraysarefornumericalcomputations.1)Listsareversatilebutlessmemory-efficient.2)Arraymodulearraysarememory-efficientforhomogeneousdata.3)NumPyarraysareoptimizedforperformanceinscient

heouttemptemptostoreavure ofthewrongdatatypeinapythonarray、yure counteractypeerror.thisduetothearraymodule'sstricttypeeencultionyを使用します

PythonListSarePartOfThestAndardarenot.liestareBuilting-in、versatile、forStoringCollectionsのpythonlistarepart。

theScriptisrunningwithwrongthonversionduetorectRectDefaultEntertersettings.tofixthis:1)CheckthedededefaultHaulthonsionsingpython - versionorpython3-- version.2)usevirtualenvironmentsbycreatingonewiththon3.9-mvenvmyenv、andverixe

PythonArraysSupportVariousoperations:1)SlicingExtractsSubsets、2)Appending/ExtendingAdddesements、3)inSertingSelementSatspecificpositions、4)remvingingDeletesements、5)sorting/verversingsorder、and6)listenionsionsionsionsionscreatenewlistsebasedexistin

numpyarraysAressertialentionsionceivationsefirication-efficientnumericalcomputations andDatamanipulation.theyarecrucialindatascience、mashineelearning、物理学、エンジニアリング、および促進可能性への適用性、scaledatiencyを効率的に、forexample、infinancialanalyyy

UseanArray.ArrayOverAlistinPythonは、Performance-criticalCode.1)homogeneousdata:araysavememorywithpedelements.2)Performance-criticalcode:Araysofterbetterbetterfornumerumerumericaleperations.3)interf

いいえ、notallistoperationSaresuptedbyarrays、andviceversa.1)arraysdonotsupportdynamicoperationslikeappendorintorintorinsertizizing、whosimpactsporformance.2)リスト


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

AtomエディタMac版ダウンロード
最も人気のあるオープンソースエディター

SecLists
SecLists は、セキュリティ テスターの究極の相棒です。これは、セキュリティ評価中に頻繁に使用されるさまざまな種類のリストを 1 か所にまとめたものです。 SecLists は、セキュリティ テスターが必要とする可能性のあるすべてのリストを便利に提供することで、セキュリティ テストをより効率的かつ生産的にするのに役立ちます。リストの種類には、ユーザー名、パスワード、URL、ファジング ペイロード、機密データ パターン、Web シェルなどが含まれます。テスターはこのリポジトリを新しいテスト マシンにプルするだけで、必要なあらゆる種類のリストにアクセスできるようになります。

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 中国語版
中国語版、とても使いやすい

DVWA
Damn Vulnerable Web App (DVWA) は、非常に脆弱な PHP/MySQL Web アプリケーションです。その主な目的は、セキュリティ専門家が法的環境でスキルとツールをテストするのに役立ち、Web 開発者が Web アプリケーションを保護するプロセスをより深く理解できるようにし、教師/生徒が教室環境で Web アプリケーションを教え/学習できるようにすることです。安全。 DVWA の目標は、シンプルでわかりやすいインターフェイスを通じて、さまざまな難易度で最も一般的な Web 脆弱性のいくつかを実践することです。このソフトウェアは、

ホットトピック









