tf.keras.layers.experimental.preprocessing.RandomTranslation

Случайный сдвиг каждого изображения во время обучения.

Наследуется от: PreprocessingLayer, Layer, Module

Просмотр псевдонимов

Псевдонимы для миграции

См. Руководство по миграции для получения более подробной информации.

tf.compat.v1.keras.layers.experimental.preprocessing.RandomTranslation

tf.keras.layers.experimental.preprocessing.RandomTranslation(
    height_factor, width_factor, fill_mode='reflect',
    interpolation='bilinear', seed=None, name=None, fill_value=0.0,
    **kwargs
)

Аргументы
`height_factor`	число с плавающей точкой, представленное в виде доли значения, или кортеж размера 2, представляющий нижнюю и верхнюю границы для вертикального смещения. Отрицательное значение означает сдвиг изображения вверх, а положительное значение — сдвиг изображения вниз. Если представлено как одно положительное число с плавающей точкой, это значение используется для нижней и верхней границы. Например, `height_factor=(-0.2, 0.3)` приводит к сдвигу выходного значения на случайную величину в диапазоне [-20%, +30%]. `height_factor=0.2` приводит к сдвигу высоты выходного значения на случайную величину в диапазоне [-20%, +20%].
`width_factor`	число с плавающей точкой, представленное в виде доли значения, или кортеж размера 2, представляющий нижнюю и верхнюю границы для горизонтального смещения. Отрицательное значение означает сдвиг изображения влево, а положительное — сдвиг изображения вправо. Если представлено как одно положительное число с плавающей точкой, это значение используется для нижней и верхней границы. Например, `width_factor=(-0.2, 0.3)` приводит к сдвигу выходного значения влево на 20%, и сдвигу вправо на 30%. `width_factor=0.2` приводит к сдвигу высоты выходного значения влево или вправо на 20%.
`fill_mode`	Точки за пределами границ входных данных заполняются в соответствии с заданным режимом (один из `{'constant', 'reflect', 'wrap', 'nearest'}`). reflect: `(d c b a \| a b c d \| d c b a)` Входные данные расширяются путем отражения относительно края последнего пикселя. constant: `(k k k k \| a b c d \| k k k k)` Входные данные расширяются путем заполнения всех значений за пределами края одним постоянным значением k = 0. wrap: `(a b c d \| a b c d \| a b c d)` Входные данные расширяются путем обхода до противоположного края. nearest: `(a a a a \| a b c d \| d d d d)` Входные данные расширяются ближайшим пикселем.
`interpolation`	Режим интерполяции. Поддерживаемые значения: "nearest", "bilinear".
`seed`	Целое число. Используется для создания случайного генератора.
`name`	Строка, имя слоя.
`fill_value`	число с плавающей точкой, представляющее значение, которое должно заполнять область за пределами границ, когда `fill_mode` равно "constant".

Форма входных данных:

4-мерный тензор с формой: (samples, height, width, channels), data_format='channels_last'.

Форма выходных данных:

4-мерный тензор с формой: (samples, height, width, channels), data_format='channels_last'.

Исключения
`ValueError`	если ни одна из границ не находится в диапазоне [0, 1], или верхняя граница меньше нижней границы.

Методы

`adapt`

Просмотреть исходный код

adapt(
    data, reset_state=True
)

Настраивает состояние слоя предобработки на основе передаваемых данных.

Аргументы

data Данные для обучения. Может быть передан как объект tf.data Dataset или как массив NumPy.

reset_state Необязательный аргумент, указывающий, следует ли очистить состояние слоя в начале вызова adapt, или следует ли начать с существующего состояния. Этот аргумент может быть неактуален для всех слоев предобработки: подкласс PreprocessingLayer может выбрать бросок, если 'reset_state' установлен в False.

Аргументы
`data`	Данные для обучения. Может быть передан как объект tf.data Dataset или как массив NumPy.
`reset_state`	Необязательный аргумент, указывающий, следует ли очистить состояние слоя в начале вызова `adapt`, или следует ли начать с существующего состояния. Этот аргумент может быть неактуален для всех слоев предобработки: подкласс PreprocessingLayer может выбрать бросок, если 'reset_state' установлен в False.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.4/api_docs/python/tf/keras/layers/experimental/preprocessing/RandomTranslation