RandomZoom 层

[源代码]

RandomZoom 类

keras.layers.RandomZoom(
    height_factor,
    width_factor=None,
    fill_mode="reflect",
    interpolation="bilinear",
    seed=None,
    fill_value=0.0,
    data_format=None,
    **kwargs
)

一个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的每个轴，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。

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，或 (..., channels, height, width)，采用 "channels_first" 格式。

输出形状

3D（非批处理）或 4D（批处理）张量，形状为：(..., target_height, target_width, channels)，或 (..., channels, target_height, target_width)，采用 "channels_first" 格式。

注意：此层可以在 tf.data 管道中安全使用（与您使用的后端无关）。

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) 会导致输出缩小随机范围 [+20%, +30%]。height_factor=(-0.3, -0.2) 会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) 会导致输出缩小 20% 到 30% 之间。width_factor=(-0.3, -0.2) 会导致输出放大 20% 到 30% 之间。None 表示即通过保持纵横比来垂直和水平缩放。默认为 None。
• fill_mode：输入边界之外的点根据给定的模式填充。可用方法为 "constant"、"nearest"、"wrap" 和 "reflect"。默认为 "constant"。
  • "reflect"：(d c b a | a b c d | d c b a) 输入通过关于最后一个像素边缘反射来扩展。
  • "constant"：(k k k k | a b c d | k k k k) 输入通过用 fill_value 指定的相同常量值 k 填充边缘之外的所有值来扩展。
  • "wrap"：(a b c d | a b c d | a b c d) 输入通过环绕到相对边缘来扩展。
  • "nearest"：(a a a a | a b c d | d d d d) 输入通过最近的像素扩展。请注意，当使用 torch 后端时，"reflect" 会重定向到 "mirror" (c d c b | a b c d | c b a b)，因为 torch 不支持 "reflect"。请注意，torch 后端不支持 "wrap"。
• interpolation：插值模式。支持的值："nearest"、"bilinear"。
• seed：整数。用于创建随机种子。
• fill_value：表示当 fill_mode="constant" 时在边界之外填充的值的浮点数。
• data_format：字符串，可以是 "channels_last" 或 "channels_first"。输入中维度的顺序。"channels_last" 对应于形状为 (batch, height, width, channels) 的输入，而 "channels_first" 对应于形状为 (batch, channels, height, width) 的输入。它默认为在 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果您从未设置它，则它将为 "channels_last"。
• **kwargs**：基础层关键字参数，例如 name 和 dtype。

示例

>>> input_img = np.random.random((32, 224, 224, 3))
>>> layer = keras.layers.RandomZoom(.5, .2)
>>> out_img = layer(input_img)