RandomBrightness 层
RandomBrightness 类
keras.layers.RandomBrightness(factor, value_range=(0, 255), seed=None, **kwargs)
一个在训练期间随机调整亮度的预处理层。
此层将随机增加/减少输入 RGB 图像的亮度。在推理时，输出将与输入相同。使用 training=True 调用此层以调整输入的亮度。
注意： 此层可以安全地在 tf.data 管道中使用（与您使用的后端无关）。
参数
- factor: 浮点数或介于 -1.0 和 1.0 之间的 2 个浮点数的列表/元组。此因子用于确定亮度调整的下限和上限。将在此限制之间随机选择一个浮点值。当选择 -1.0 时，输出图像将为黑色，当选择 1.0 时，图像将完全为白色。当仅提供一个浮点数时，例如 0.2，则 -0.2 将用作下限，0.2 将用作上限。
- value_range: 可选的 2 个浮点数的列表/元组，用于输入数据值的下限和上限。要不进行更改，请使用
[0.0, 1.0]，例如，如果图像输入在此层之前已缩放。默认为[0.0, 255.0]。亮度调整将缩放到此范围，并且输出值将被裁剪到此范围。 - seed: 可选整数，用于固定 RNG 行为。
输入：3D (HWC) 或 4D (NHWC) 张量，具有浮点或整数 dtype。输入像素值可以是任何范围（例如 [0., 1.) 或 [0, 255]）
输出：3D (HWC) 或 4D (NHWC) 张量，其亮度根据 factor 进行调整。默认情况下，该层将输出浮点数。输出值将被裁剪到范围 [0, 255]，RGB 颜色的有效范围，并根据 value_range 在需要时重新缩放。
示例
random_bright = keras.layers.RandomBrightness(factor=0.2)
# An image with shape [2, 2, 3]
image = [[[1, 2, 3], [4 ,5 ,6]], [[7, 8, 9], [10, 11, 12]]]
# Assume we randomly select the factor to be 0.1, then it will apply
# 0.1 * 255 to all the channel
output = random_bright(image, training=True)
# output will be int64 with 25.5 added to each channel and round down.
```python
>>> array([[[26.5, 27.5, 28.5]
[29.5, 30.5, 31.5]]
[[32.5, 33.5, 34.5]
[35.5, 36.5, 37.5]]],
shape=(2, 2, 3), dtype=int64)
```