Pytorch的中心牛

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：

*备忘录：

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])

登录后复制