PyTorch 中的随机仿射

此代码演示了 torchvision 中的 RandomAffine 转换。 它探索了各种参数组合，展示了其图像旋转、平移、缩放和剪切的功能。 使用 matplotlib 将结果可视化。

RandomAffine 变换允许二维和三维图像变换。 关键参数包括：

• degrees: 指定旋转角度。 单个浮点值表示对称范围[-度，度]。两个浮点数的元组/列表定义不对称范围 [min, max]。

• translate: 控制翻译。 两个浮点数 [a, b] 的元组/列表分别表示水平和垂直移位，作为图像宽度和高度的分数。

• scale: 定义缩放范围 [min, max]。

• shear: 引入剪切。单个浮点值意味着 x 的对称剪切范围 [-shear，剪切]，其中 y 剪切设置为 0。两个浮点的元组/列表指定 x 剪切范围；四元素元组/列表定义 x 和 y 剪切范围。

• interpolation: 指定插值方法（例如 InterpolationMode.NEAREST）。

• fill: 确定变换图像外部区域的填充颜色。 可以是单个值或表示 RGB 值的元组/列表。

• center: 设置旋转中心。

代码系统地测试了不同的参数设置，包括极值，以演示各种条件下变换的行为。 可视化清楚地显示了每个参数对输入图像的影响。两个 show_images 函数提供相同的功能，一个直接在绘图循环内应用变换，另一个预先计算变换。

下面显示的图像直观地代表了应用于 OxfordIIITPet 数据集图像的各种 RandomAffine 转换的输出。

---

---

---

---

---

以上是PyTorch 中的随机仿射的详细内容。更多信息请关注PHP中文网其他相关文章！