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
)

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，并根据 fill_mode 填充空白区域。

输入像素值可以是任意范围（例如 [0., 1.) 或 [0, 255]），并且可以是整数或浮点 dtype。默认情况下，该层将输出浮点数。

输入形状

3D（未批处理）或 4D（已批处理）张量，形状为：(..., height, width, channels)，采用 "channels_last" 格式；或者 (..., channels, height, width)，采用 "channels_first" 格式。

输出形状

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

注意：此层可以在 tf.data 管道中使用（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) 将导致输出在 [+20%, +30%] 范围内随机缩小。height_factor=(-0.3, -0.2) 将导致输出在 [+20%, +30%] 范围内随机放大。
• 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) 将导致输出在 20% 到 30% 之间缩小。width_factor=(-0.3, -0.2) 将导致输出在 20% 到 30% 之间放大。None 表示在保持纵横比的情况下进行垂直和水平缩放。默认为 None。
• fill_mode：根据给定模式填充输入边界之外的点。可用方法包括 "constant"、"nearest"、"wrap" 和 "reflect"。默认为 "reflect"。
  • "reflect": `(d c b a | a b c d | d c b a)` 输入通过围绕最后一个像素的边缘进行反射来扩展。
  • "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 填充边缘以外的所有值来扩展。
  • "wrap": `(a b c d | a b c d | a b c d)` 输入通过环绕到相对边缘进行扩展。
  • "nearest": (a a a a | a b c d | d d d d) 输入通过最近的像素进行扩展。请注意，在使用 torch 后端时，"reflect" 会被重定向到 "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：当 fill_mode="constant" 时，表示边界外要填充的值的浮点数。
• 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 Keras 配置文件 ~/.keras/keras.json 中找到的 image_data_format 值。如果您从未设置它，则它将是 "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)