随机缩放层
RandomZoom 类
tf_keras.layers.RandomZoom(
height_factor,
width_factor=None,
fill_mode="reflect",
interpolation="bilinear",
seed=None,
fill_value=0.0,
**kwargs
)
在训练期间随机缩放图像的预处理层。
此层将独立地随机放大或缩小图像每个轴上的内容，并根据 fill_mode 填充空白区域。
输入像素值可以是任何范围（例如 [0., 1.) 或 [0, 255]）以及整数或浮点类型。默认情况下，该层将输出浮点数。
有关预处理层的概述和完整列表，请参阅预处理 指南。
参数
- height_factor：表示为值分数的浮点数，或大小为 2 的元组，表示垂直缩放的下限和上限。当表示为单个浮点数时，此值用于上限和下限。正值表示缩小，负值表示放大。例如，
height_factor=(0.2, 0.3)将导致输出缩小随机范围[+20%, +30%]。height_factor=(-0.3, -0.2)将导致输出放大随机范围[+20%, +30%]。 - width_factor：表示为值分数的浮点数，或大小为 2 的元组，表示水平缩放的下限和上限。当表示为单个浮点数时，此值用于上限和下限。例如，
width_factor=(0.2, 0.3)将导致输出缩小 20% 到 30%。width_factor=(-0.3, -0.2)将导致输出放大 20% 到 30%。None表示即保留纵横比垂直和水平方向缩放。默认为None。 - fill_mode：根据给定模式（
{"constant", "reflect", "wrap", "nearest"}中的一个）填充输入边界之外的点。- reflect：
(d c b a | a b c d | d c b a)通过关于最后一个像素边缘反射来扩展输入。 - constant：
(k k k k | a b c d | k k k k)通过用相同的常数值 k = 0 填充边缘之外的所有值来扩展输入。 - wrap：
(a b c d | a b c d | a b c d)通过环绕到相对边缘来扩展输入。 - nearest：
(a a a a | a b c d | d d d d)通过最近的像素来扩展输入。
- reflect：
- interpolation：插值模式。支持的值：
"nearest"、"bilinear"。 - seed：整数。用于创建随机种子。
- fill_value：浮点数，表示当
fill_mode="constant"时填充边界之外的值。
示例
>>> input_img = np.random.random((32, 224, 224, 3))
>>> layer = tf.keras.layers.RandomZoom(.5, .2)
>>> out_img = layer(input_img)
>>> out_img.shape
TensorShape([32, 224, 224, 3])
输入形状
3D（非批处理）或 4D（批处理）张量，形状为：(..., height, width, channels)，采用 "channels_last" 格式。
输出形状
3D（非批处理）或 4D（批处理）张量，形状为：(..., height, width, channels)，采用 "channels_last" 格式。