RandomBrightness 圖層
RandomBrightness 類別
tf_keras.layers.RandomBrightness(factor, value_range=(0, 255), seed=None, **kwargs)
一個在訓練期間隨機調整亮度的預處理圖層。
此圖層將隨機增加/減少輸入 RGB 圖像的亮度。在推論時，輸出將與輸入相同。調用圖層時，使用 training=True 來調整輸入的亮度。
請注意，不同的亮度調整因子將應用於批次中的每個圖像。
有關預處理圖層的概述和完整列表，請參閱預處理指南。
引數
- factor：浮點數或介於 -1.0 和 1.0 之間的 2 個浮點數列表/元組。該因子用於確定亮度調整的下限和上限。將在限制之間隨機選擇一個浮點值。當選擇 -1.0 時，輸出圖像將為黑色，當選擇 1.0 時，圖像將完全為白色。當僅提供一個浮點數（例如 0.2）時，則 -0.2 將用於下限，0.2 將用於上限。
- value_range：可選的 2 個浮點數列表/元組，用於輸入資料值的下限和上限。為了不做任何更改，請使用 [0.0, 1.0]，例如，如果圖像輸入在此圖層之前已縮放。預設為 [0.0, 255.0]。亮度調整將縮放至此範圍，並且輸出值將被剪裁至此範圍。
- seed：可選整數，用於固定 RNG 行為。
輸入：3D (HWC) 或 4D (NHWC) 張量，具有浮點數或整數資料類型。輸入像素值可以是任何範圍（例如 [0., 1.) 或 [0, 255]）
輸出：根據 factor 調整亮度的 3D (HWC) 或 4D (NHWC) 張量。預設情況下，圖層將輸出浮點數。輸出值將被剪裁至範圍 [0, 255]，這是 RGB 顏色的有效範圍，並根據需要根據 value_range 重新縮放。
範例用法
random_bright = tf.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.
tf.Tensor([[[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)