隨機平移層

[原始碼]

RandomTranslation 類別

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

一個在訓練期間隨機平移圖像的預處理層。

此層將在訓練期間對每個圖像應用隨機平移，並根據 fill_mode 填充空白區域。

輸入像素值可以是任何範圍（例如 [0., 1.) 或 [0, 255]），並且可以是整數或浮點數 dtype。預設情況下，該層會輸出浮點數。

輸入形狀

形狀為 (..., height, width, channels) 的 3D（未批次）或 4D（已批次）張量，採用 "channels_last" 格式，或形狀為 (..., channels, height, width) 的 3D（未批次）或 4D（已批次）張量，採用 "channels_first" 格式。

輸出形狀

形狀為 (..., target_height, target_width, channels) 的 3D（未批次）或 4D（已批次）張量，或形狀為 (..., channels, target_height, target_width) 的 3D（未批次）或 4D（已批次）張量，採用 "channels_first" 格式。

注意：此層可以在 tf.data 管道內安全使用（與您使用的後端無關）。

引數

• height_factor：一個以數值分數表示的浮點數，或一個大小為 2 的元組，表示垂直平移的下限和上限。負值表示向上平移圖像，而正值表示向下平移圖像。當表示為單個正浮點數時，此值用於上限和下限。例如，height_factor=(-0.2, 0.3) 會產生在範圍 [-20%, +30%] 內隨機平移的輸出。height_factor=0.2 會產生在範圍 [-20%, +20%] 內隨機平移的輸出高度。
• width_factor：一個以數值分數表示的浮點數，或一個大小為 2 的元組，表示水平平移的下限和上限。負值表示向左平移圖像，而正值表示向右平移圖像。當表示為單個正浮點數時，此值用於上限和下限。例如，width_factor=(-0.2, 0.3) 會產生向左平移 20% 和向右平移 30% 的輸出。width_factor=0.2 會產生向左或向右平移 20% 的輸出高度。
• fill_mode：輸入邊界之外的點會根據給定的模式填充。可用的方法有 "constant"、"nearest"、"wrap" 和 "reflect"。預設值為 "constant"。
  • "reflect"：(d c b a | a b c d | d c b a) 輸入通過反射最後一個像素的邊緣來擴展。
  • "constant"：(k k k k | a b c d | k k k k) 輸入通過使用 fill_value 指定的相同常數值 k 來填充邊緣之外的所有值來擴展。
  • "wrap"：(a b c d | a b c d | a b c d) 輸入通過環繞到對邊來擴展。
  • "nearest"：(a a a a | a b c d | d d d d) 輸入通過最近的像素來擴展。請注意，當使用 torch 後端時，"reflect" 會被重定向到 "mirror" (c d c b | a b c d | c b a b)，因為 torch 不支援 "reflect"。請注意，torch 後端不支援 "wrap"。
• interpolation：內插模式。支援的值："nearest"、"bilinear"。
• seed：整數。用於建立隨機種子。
• fill_value：一個浮點數，表示當 fill_mode="constant" 時要填充到邊界之外的值。
• data_format：字串，可以是 "channels_last" 或 "channels_first"。輸入中維度的順序。"channels_last" 對應於形狀為 (batch, height, width, channels) 的輸入，而 "channels_first" 對應於形狀為 (batch, channels, height, width) 的輸入。它預設為在您的 Keras 設定檔 ~/.keras/keras.json 中找到的 image_data_format 值。如果您從未設定它，則它將為 "channels_last"。
• **kwargs：基礎層關鍵字引數，例如 name 和 dtype。