Pytorch中的高斯布鲁尔（1）

给我买咖啡☕

*备忘录：

我的帖子解释了牛津iiitpet（）。

gaussianblur（）可以随机模糊图像，如下所示：

*备忘录：

>初始化的第一个参数是num_output_channels（必需类型：int或tuple/list（int））： *备忘录：
- 是[高度，宽度]。
- 它一定是奇数1
- 元组/列表必须是具有1或2个元素的1d。

初始化的第二个参数是sigma（可选默认：（0.1，2.0）-type：int或tuple/tuple/list（int））： *备忘录：

必须是0 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））表示[sigma，sigma]。

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 GaussianBlur  gaussianblur = GaussianBlur(kernel_size=1) gaussianblur = GaussianBlur(kernel_size=1, sigma=(0.1, 2.0))  gaussianblur # GaussianBlur(kernel_size=(1, 1), sigma=[0.1, 2.0])  gaussianblur.kernel_size  # (1, 1)  gaussianblur.sigma # [0.1, 2.0]  origin_data = OxfordIIITPet(     root="data",     transform=None )  ks1_data = OxfordIIITPet( # `ks` is kernel_size.     root="data",     transform=GaussianBlur(kernel_size=1)     # transform=GaussianBlur(kernel_size=[1])     # transform=GaussianBlur(kernel_size=[1, 1]) )  ks3_data = OxfordIIITPet(     root="data",     transform=GaussianBlur(kernel_size=3) )  ks5_data = OxfordIIITPet(     root="data",     transform=GaussianBlur(kernel_size=5) )  ks7_data = OxfordIIITPet(     root="data",     transform=GaussianBlur(kernel_size=7) )  ks9_data = OxfordIIITPet(     root="data",     transform=GaussianBlur(kernel_size=9) )  ks11_data = OxfordIIITPet(     root="data",     transform=GaussianBlur(kernel_size=11) )  ks51_data = OxfordIIITPet(     root="data",     transform=GaussianBlur(kernel_size=51) )  ks101_data = OxfordIIITPet(     root="data",     transform=GaussianBlur(kernel_size=101) )  ks9_51_data = OxfordIIITPet(     root="data",     transform=GaussianBlur(kernel_size=[9, 51]) )  ks51_9_data = OxfordIIITPet(     root="data",     transform=GaussianBlur(kernel_size=[51, 9]) )  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") show_images1(data=ks1_data, main_title="ks1_data") show_images1(data=ks3_data, main_title="ks3_data") show_images1(data=ks5_data, main_title="ks5_data") show_images1(data=ks7_data, main_title="ks7_data") show_images1(data=ks9_data, main_title="ks9_data") show_images1(data=ks11_data, main_title="ks11_data") show_images1(data=ks51_data, main_title="ks51_data") show_images1(data=ks101_data, main_title="ks101_data") print() show_images1(data=origin_data, main_title="origin_data") show_images1(data=ks9_51_data, main_title="ks9_51_data") show_images1(data=ks51_9_data, main_title="ks51_9_data")  # ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓ def show_images2(data, main_title=None, ks=None, s=(0.1, 2.0)):     plt.figure(figsize=[10, 5])     plt.suptitle(t=main_title, y=0.8, fontsize=14)     if ks:         for i, (im, _) in zip(range(1, 6), data):             plt.subplot(1, 5, i)             gb = GaussianBlur(kernel_size=ks, sigma=s)             plt.imshow(X=gb(im))             plt.xticks(ticks=[])             plt.yticks(ticks=[])     else:         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_images2(data=origin_data, main_title="origin_data") show_images2(data=origin_data, main_title="ks1_data", ks=1) show_images2(data=origin_data, main_title="ks3_data", ks=3) show_images2(data=origin_data, main_title="ks5_data", ks=5) show_images2(data=origin_data, main_title="ks7_data", ks=7) show_images2(data=origin_data, main_title="ks9_data", ks=9) show_images2(data=origin_data, main_title="ks11_data", ks=11) show_images2(data=origin_data, main_title="ks51_data", ks=51) show_images2(data=origin_data, main_title="ks101_data", ks=101) print() show_images2(data=origin_data, main_title="origin_data") show_images2(data=origin_data, main_title="ks9_51data", ks=[9, 51]) show_images2(data=origin_data, main_title="ks51_9_data", ks=[51, 9])

登录后复制