Pytorch的中心牛

你在学习文章相关的知识吗？本文《Pytorch的中心牛》，主要介绍的内容就涉及到，如果你想提升自己的开发能力，就不要错过这篇文章，大家要知道编程理论基础和实战操作都是不可或缺的哦！

给我买咖啡☕

*备忘录：

• 我的帖子解释了牛津iiitpet（）。

centercrop（）可以裁剪图像，以此为中心：

>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 CenterCrop
  
  centercrop = CenterCrop(size=100)
  
  centercrop
  # CenterCrop(size=(100, 100))
  
  centercrop.size
  # (100, 100)
  
  origin_data = OxfordIIITPet(
      root="data",
      transform=None
  )
  
  s600_data = OxfordIIITPet( # `s` is size.
      root="data",
      transform=CenterCrop(size=600)
      # transform=CenterCrop(size=[600])
      # transform=CenterCrop(size=[600, 600])
  )
  
  s400_data = OxfordIIITPet(
      root="data",
      transform=CenterCrop(size=400)
  )
  
  s200_data = OxfordIIITPet(
      root="data",
      transform=CenterCrop(size=200)
  )
  
  s100_data = OxfordIIITPet(
      root="data",
      transform=CenterCrop(size=100)
  )
  
  s50_data = OxfordIIITPet(
      root="data",
      transform=CenterCrop(size=50)
  )
  
  s10_data = OxfordIIITPet(
      root="data",
      transform=CenterCrop(size=10)
  )
  
  s1_data = OxfordIIITPet(
      root="data",
      transform=CenterCrop(size=1)
  )
  
  s200_300_data = OxfordIIITPet(
      root="data",
      transform=CenterCrop(size=[200, 300])
  )
  
  s300_200_data = OxfordIIITPet(
      root="data",
      transform=CenterCrop(size=[300, 200])
  )
  
  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.tight_layout()
      plt.show()
  
  show_images1(data=origin_data, main_title="origin_data")
  show_images1(data=s600_data, main_title="s600_data")
  show_images1(data=s400_data, main_title="s400_data")
  show_images1(data=s200_data, main_title="s200_data")
  show_images1(data=s100_data, main_title="s100_data")
  show_images1(data=s50_data, main_title="s50_data")
  show_images1(data=s10_data, main_title="s10_data")
  show_images1(data=s1_data, main_title="s1_data")
  print()
  show_images1(data=origin_data, main_title="origin_data")
  show_images1(data=s200_300_data, main_title="s200_300_data")
  show_images1(data=s300_200_data, main_title="s300_200_data")
  
  # ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓
  def show_images2(data, main_title=None, s=None):
      plt.figure(figsize=[10, 5])
      plt.suptitle(t=main_title, y=0.8, fontsize=14)
      temp_s = s
      for i, (im, _) in zip(range(1, 6), data):
          plt.subplot(1, 5, i)
          if not temp_s:
              s = [im.size[1], im.size[0]]
          cc = CenterCrop(size=s) # Here
          plt.imshow(X=cc(im)) # Here
      plt.tight_layout()
      plt.show()
  
  show_images2(data=origin_data, main_title="origin_data")
  show_images2(data=origin_data, main_title="s600_data", s=600)
  show_images2(data=origin_data, main_title="s400_data", s=400)
  show_images2(data=origin_data, main_title="s200_data", s=200)
  show_images2(data=origin_data, main_title="s100_data", s=100)
  show_images2(data=origin_data, main_title="s50_data", s=50)
  show_images2(data=origin_data, main_title="s10_data", s=10)
  show_images2(data=origin_data, main_title="s1_data", s=1)
  print()
  show_images2(data=origin_data, main_title="origin_data")
  show_images2(data=origin_data, main_title="s200_300_data", s=[200, 300])
  show_images2(data=origin_data, main_title="s300_200_data", s=[300, 200])
  

本篇关于《Pytorch的中心牛》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！