RandomBrightness 層
RandomBrightness 類別
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層。
此層將隨機增加/減少輸入 RGB 圖像的亮度。在推論時，輸出將與輸入相同。使用 training=True 調用此層以調整輸入的亮度。
注意： 此層可以安全地在 tf.data 管道內使用（與您使用的後端無關）。
參數
- factor：浮點數或介於 -1.0 和 1.0 之間的 2 個浮點數的列表/元組。此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，而當選擇 1.0 時，圖像將完全為白色。當僅提供一個浮點數時，例如 0.2，則 -0.2 將用於下限，而 0.2 將用於上限。
- value_range：可選的 2 個浮點數的列表/元組，用於輸入數據值的下限和上限。若要不進行任何更改，請使用
[0.0, 1.0]，例如，如果圖像輸入在此層之前已縮放。預設值為[0.0, 255.0]。亮度調整將縮放到此範圍，並且輸出值將被裁剪到此範圍。 - seed：可選的整數，用於固定的 RNG 行為。
輸入：3D (HWC) 或 4D (NHWC) 張量，具有浮點數或整數 dtype。輸入像素值可以是任何範圍（例如 [0., 1.) 或 [0, 255]）
輸出：基於 factor 調整亮度的 3D (HWC) 或 4D (NHWC) 張量。預設情況下，此層將輸出浮點數。輸出值將被裁剪到範圍 [0, 255]（RGB 顏色的有效範圍），並根據需要基於 value_range 重新縮放。
範例
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)
```