随机调整大小

class torchvision.transforms.v2.RandomResize(min_size: int, max_size: int, interpolation: Union[InterpolationMode, int] = InterpolationMode.BILINEAR, antialias: Optional[bool] = True)

随机调整输入的大小。

此转换可以与RandomCrop一起使用，作为数据增强来训练图像分割任务的模型。

输出空间大小是从区间 [min_size, max_size] 中随机采样的：

size = uniform_sample(min_size, max_size)
output_width = size
output_height = size

如果输入是torch.Tensor或TVTensor（例如Image， 视频，BoundingBoxes等）， 它可以有任意数量的前导批次维度。例如， 图像可以有[..., C, H, W]形状。边界框可以有[..., 4]形状。

Parameters:

• min_size (int) – 随机采样的最小输出大小

• max_size (int) – 随机采样的最大输出大小

• 插值 (InterpolationMode, 可选) – 由 torchvision.transforms.InterpolationMode 定义的所需插值枚举。默认值为 InterpolationMode.BILINEAR。 如果输入是张量，则仅支持 InterpolationMode.NEAREST, InterpolationMode.NEAREST_EXACT, InterpolationMode.BILINEAR 和 InterpolationMode.BICUBIC。 也接受相应的 Pillow 整数常量，例如 PIL.Image.BILINEAR。

• antialias (bool, optional) –

  是否应用抗锯齿。 它只影响具有双线性或双三次模式的张量，否则会被忽略：在PIL图像上，双线性或双三次模式总是应用抗锯齿；在其他模式（对于PIL图像和张量）上，抗锯齿没有意义，此参数会被忽略。 可能的值为：

  • True (默认): 将对双线性或双三次模式应用抗锯齿。 其他模式不受影响。这可能是你想要使用的。

  • False: 不会对任何模式的张量应用抗锯齿。PIL 图像在双线性或双三次模式下仍然应用抗锯齿，因为 PIL不支持无抗锯齿。

  • None: 对于张量等同于False，对于 PIL图像等同于True。此值存在是为了兼容旧版本，除非你确实知道自己在做什么，否则你可能不想使用它。

  默认值在v0.17版本中从None更改为True，以使PIL和Tensor后端保持一致。