RandomRotation() 将图像旋转随机角度。选择的随机角度来自给定范围内的角度（以度为单位）。RandomRotation() 是 torchvision.transforms 模块提供的众多重要转换之一。RandomRotation() 转换接受 PIL 和张量图像。张量图像是一个形状为 [C, H, W] 的 Torch 张量，其中 C 是通道数，H 是图像高度，W 是图像宽度。如果图像既不是 PIL 图像也不是张量图像，则我们首先将其转换为张量图像，然后应用转换。语法torchvision.transforms.RandomRotation(degree)(img)其中 degree 是 ... 阅读更多

RandomResizedCrop() 转换裁剪原始输入图像的随机区域。此裁剪大小是随机选择的，最后裁剪后的图像被调整为给定大小。RandomResizedCrop() 转换是 torchvision.transforms 模块提供的转换之一。此模块包含许多重要的转换，可用于对图像数据执行不同类型的操作。RandomResizedCrop() 接受 PIL 和张量图像。张量图像是一个形状为 [..., H, W] 的 PyTorch 张量，其中 ... 表示维度数，H 是图像高度，W 是图像宽度。如果图像是 ... 阅读更多

要以给定概率随机水平翻转图像，我们应用 RandomHorizontalFlip() 转换。它是 torchvision.transforms 模块提供的转换之一。此模块包含许多重要的转换，可用于对图像数据执行不同类型的操作。RandomHorizontalFlip() 接受 PIL 和张量图像。张量图像是一个形状为 [C, H, W] 的 PyTorch 张量，其中 C 是通道数，H 是图像高度，W 是图像宽度。语法torchvision.transforms.RandomHorizontalFlip(p)(img)如果 p = 1，则返回水平翻转的图像。如果 p = 0，则返回原始图像。如果 p ... 阅读更多

要以一定概率随机将图像转换为灰度，我们应用 RandomGrayscale() 转换。它是 torchvision.transforms 模块提供的转换之一。此模块包含许多重要的转换，可用于对图像数据执行不同的操作。RandomGrayscale() 接受 PIL 和张量图像或一批张量图像。张量图像是一个形状为 [3, H, W] 的 PyTorch 张量，其中 H 是图像高度，W 是图像宽度。一批张量图像也是一个 torch 张量，形状为 [B, 3, H, W]。B 是批次中的图像数量。语法torchvision.transforms.RandomGrayscale(p)(img)如果 ... 阅读更多

要在一个随机位置裁剪图像，我们应用 RandomCrop() 转换。它是 torchvision.transforms 模块提供的众多重要转换之一。RandomCrop() 转换接受 PIL 和张量图像。张量图像是一个形状为 [C, H, W] 的 torch 张量，其中 C 是通道数，H 是图像高度，W 是图像宽度。如果图像既不是 PIL 图像也不是张量图像，则我们首先将其转换为张量图像，然后应用 RandomCrop()。语法torchvision.transforms.RandomCrop(size)(img)其中 size 是所需的裁剪大小。size 是一个类似 (h, w) 的序列，其中 h ... 阅读更多

要对图像进行四边填充，我们可以应用 torchvision.transforms 模块提供的 Pad() 转换。此模块包含许多重要的转换，可用于对图像数据执行不同类型的操作。Pad() 转换接受 PIL 和张量图像或一批张量图像。张量图像是一个形状为 [C, H, W] 的 torch 张量，其中 C 是通道数，H 是图像高度，W 是图像宽度。一批张量图像也是一个形状为 [B, C, H, W] 的 torch 张量。B 是 ... 阅读更多

要将图像转换为灰度，我们应用 Grayscale() 转换。它是 torchvision.transforms 模块提供的转换之一。此模块包含许多重要的转换，可用于对图像数据执行不同的操作。Grayscale() 转换接受 PIL 和张量图像或一批张量图像。张量图像是一个形状为 [3, H, W] 的 PyTorch 张量，其中 H 是图像高度，W 是图像宽度。一批张量图像也是一个 torch 张量，形状为 [B, 3, H, W]。B 是批次中的图像数量。语法torchvision.transforms.Grayscale()(img)它 ... 阅读更多

要将给定图像裁剪成四个角和中心裁剪，我们应用 FiveCrop() 转换。它是 torchvision.transforms 模块提供的转换之一。此模块包含许多重要的转换，可用于对图像数据执行不同类型的操作。FiveCrop() 转换接受 PIL 和张量图像。张量图像是一个形状为 [C, H, W] 的 torch 张量，其中 C 是通道数，H 是图像高度，W 是图像宽度。如果图像既不是 PIL 图像也不是张量图像，则我们首先将其转换 ... 阅读更多

要随机更改图像的亮度、对比度、饱和度和色调，我们应用 ColorJitter()。它是 torchvision.transforms 模块提供的转换之一。此模块包含许多重要的转换，可用于操作图像数据。ColorJitter() 转换接受 PIL 和张量图像。张量图像是一个形状为 [C, H, W] 的 PyTorch 张量，其中 C 是通道数，H 是图像高度，W 是图像宽度。此转换还接受一批张量图像。一批张量图像是一个形状为 [B, C, H, W] 的张量。B 是 ... 阅读更多

要裁剪图像中心，我们应用 CenterCrop()。它是 torchvision.transforms 模块提供的转换之一。此模块包含许多重要的转换，可用于对图像数据执行操作。CenterCrop() 转换接受 PIL 和张量图像。张量图像是一个形状为 [C, H, W] 的 PyTorch 张量，其中 C 是通道数，H 是图像高度，W 是图像宽度。此转换还接受一批张量图像。一批张量图像是一个形状为 [B, C, H, W] 的张量。B 是 ... 阅读更多