0

0

Pytorch的JPEG

DDD

DDD

发布时间:2025-02-19 11:48:13

|

1069人浏览过

|

来源于dev.to

转载

给我买咖啡☕

*备忘录:

  • 我的帖子解释了牛津iiitpet()。

jpeg()可以随机将jpeg压缩应用于图像,如下所示:>

*备忘录:

    初始化的第一个论点是质量(必需类型:int): *备忘录:
    • >是质量的范围[min,max],因此必须是min 必须为0 元组/列表必须是具有2个元素的1d。
    • 单个值表示[质量,质量]。
    • >有第一个参数(必需类型:pil image或张量(int(uint8)))。 *张量必须为3d。
    • 建议根据v1或v2使用v2?我应该使用哪一个?
  • from torchvision.datasets import OxfordIIITPet
    from torchvision.transforms.v2 import JPEG
    
    jpeg = JPEG(quality=100)
    
    jpeg
    # JPEG(quality=[100, 100])
    
    jpeg.quality
    # [100, 100]
    
    origin_data = OxfordIIITPet(
        root="data",
        transform=None
    )
    
    q100origin_data = OxfordIIITPet( # `q` is quality
        root="data",
        transform=JPEG(quality=100)
        # transform=JPEG(quality=[100, 100])
    )
    
    q1_100_data = OxfordIIITPet(
        root="data",
        transform=JPEG(quality=[1, 100])
    )
    
    q1_50_data = OxfordIIITPet(
        root="data",
        transform=JPEG(quality=[1, 50])
    )
    
    q50_100_data = OxfordIIITPet(
        root="data",
        transform=JPEG(quality=[50, 100])
    )
    
    q50_data = OxfordIIITPet(
        root="data",
        transform=JPEG(quality=50)
    )
    
    q10_data = OxfordIIITPet(
        root="data",
        transform=JPEG(quality=10)
    )
    
    q5_data = OxfordIIITPet(
        root="data",
        transform=JPEG(quality=5)
    )
    
    q1_data = OxfordIIITPet(
        root="data",
        transform=JPEG(quality=1)
    )
    
    import matplotlib.pyplot as plt
    
    def show_images1(data, main_title=None):
        plt.figure(figsize=[10, 5])
        plt.suptitle(t=main_title, y=0.8, fontsize=14)
        for i, (im, _) in zip(range(1, 6), data):
            plt.subplot(1, 5, i)
            plt.imshow(X=im)
            plt.xticks(ticks=[])
            plt.yticks(ticks=[])
        plt.tight_layout()
        plt.show()
    
    show_images1(data=origin_data, main_title="origin_data")
    print()
    show_images1(data=q100origin_data, main_title="q100origin_data")
    show_images1(data=q1_100_data, main_title="q1_100_data")
    show_images1(data=q1_50_data, main_title="q1_50_data")
    show_images1(data=q50_100_data, main_title="q50_100_data")
    print()
    show_images1(data=q100origin_data, main_title="q100origin_data")
    show_images1(data=q50_data, main_title="q50_data")
    show_images1(data=q10_data, main_title="q10_data")
    show_images1(data=q5_data, main_title="q5_data")
    show_images1(data=q1_data, main_title="q1_data")
    
    # ↓ ↓ ↓ ↓ ↓ ↓ The code below is identical to the code above. ↓ ↓ ↓ ↓ ↓ ↓
    def show_images2(data, main_title=None, q=100):
        plt.figure(figsize=[10, 5])
        plt.suptitle(t=main_title, y=0.8, fontsize=14)
        for i, (im, _) in zip(range(1, 6), data):
            plt.subplot(1, 5, i)
            jpeg = JPEG(quality=q)
            plt.imshow(X=jpeg(im))
            plt.xticks(ticks=[])
            plt.yticks(ticks=[])
        plt.tight_layout()
        plt.show()
    
    show_images2(data=origin_data, main_title="origin_data")
    print()
    show_images2(data=origin_data, main_title="q100origin_data", q=100)
    show_images2(data=origin_data, main_title="q1_100_data", q=[1, 100])
    show_images2(data=origin_data, main_title="q1_50_data", q=[1, 50])
    show_images2(data=origin_data, main_title="q50_100_data", q=[50, 100])
    print()
    show_images2(data=origin_data, main_title="q100origin_data", q=100)
    show_images2(data=origin_data, main_title="q50_data", q=50)
    show_images2(data=origin_data, main_title="q10_data", q=10)
    show_images2(data=origin_data, main_title="q5_data", q=5)
    show_images2(data=origin_data, main_title="q1_data", q=1)
    

image description

Android的资源与国际化设置 中文WORD版
Android的资源与国际化设置 中文WORD版

本文档主要讲述的是Android的资源与国际化设置;资源是外部文件(不含代码的文件),它被代码使用并在编译时编入应用程序。Android支持不同类型的资源文件,包括XML,PNG以及JPEG文件XML文件根据描述的不同有不同格式。这份文档描述可以支持什么样的文件,语法,以及各种格式。希望本文档会给有需要的朋友带来帮助;感兴趣的朋友可以过来看看

下载

image description

image description

image description

image description


image description

image description

image description

image description

相关专题

更多
string转int
string转int

在编程中,我们经常会遇到需要将字符串(str)转换为整数(int)的情况。这可能是因为我们需要对字符串进行数值计算,或者需要将用户输入的字符串转换为整数进行处理。php中文网给大家带来了相关的教程以及文章,欢迎大家前来学习阅读。

318

2023.08.02

int占多少字节
int占多少字节

int占4个字节,意味着一个int变量可以存储范围在-2,147,483,648到2,147,483,647之间的整数值,在某些情况下也可能是2个字节或8个字节,int是一种常用的数据类型,用于表示整数,需要根据具体情况选择合适的数据类型,以确保程序的正确性和性能。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

538

2024.08.29

c++怎么把double转成int
c++怎么把double转成int

本专题整合了 c++ double相关教程,阅读专题下面的文章了解更多详细内容。

53

2025.08.29

C++中int的含义
C++中int的含义

本专题整合了C++中int相关内容,阅读专题下面的文章了解更多详细内容。

197

2025.08.29

pytorch是干嘛的
pytorch是干嘛的

pytorch是一个基于python的深度学习框架,提供以下主要功能:动态图计算,提供灵活性。强大的张量操作,实现高效处理。自动微分,简化梯度计算。预构建的神经网络模块,简化模型构建。各种优化器,用于性能优化。想了解更多pytorch的相关内容,可以阅读本专题下面的文章。

431

2024.05.29

Python AI机器学习PyTorch教程_Python怎么用PyTorch和TensorFlow做机器学习
Python AI机器学习PyTorch教程_Python怎么用PyTorch和TensorFlow做机器学习

PyTorch 是一种用于构建深度学习模型的功能完备框架,是一种通常用于图像识别和语言处理等应用程序的机器学习。 使用Python 编写,因此对于大多数机器学习开发者而言,学习和使用起来相对简单。 PyTorch 的独特之处在于,它完全支持GPU,并且使用反向模式自动微分技术,因此可以动态修改计算图形。

23

2025.12.22

xml格式相关教程
xml格式相关教程

本专题整合了xml格式相关教程汇总,阅读专题下面的文章了解更多详细内容。

0

2026.01.19

PHP WebSocket 实时通信开发
PHP WebSocket 实时通信开发

本专题系统讲解 PHP 在实时通信与长连接场景中的应用实践,涵盖 WebSocket 协议原理、服务端连接管理、消息推送机制、心跳检测、断线重连以及与前端的实时交互实现。通过聊天系统、实时通知等案例,帮助开发者掌握 使用 PHP 构建实时通信与推送服务的完整开发流程,适用于即时消息与高互动性应用场景。

11

2026.01.19

微信聊天记录删除恢复导出教程汇总
微信聊天记录删除恢复导出教程汇总

本专题整合了微信聊天记录相关教程大全,阅读专题下面的文章了解更多详细内容。

85

2026.01.18

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
相关推荐
/
热门推荐
/
最新课程
10分钟--Midjourney创作自己的漫画
10分钟--Midjourney创作自己的漫画

共1课时 | 0.1万人学习

Midjourney 关键词系列整合
Midjourney 关键词系列整合

共13课时 | 0.9万人学习

AI绘画教程
AI绘画教程

共2课时 | 0.2万人学习

关于我们 免责申明 举报中心 意见反馈 讲师合作 广告合作 最新更新
php中文网:公益在线php培训,帮助PHP学习者快速成长!
关注服务号 技术交流群
PHP中文网订阅号
每天精选资源文章推送

Copyright 2014-2026 https://www.php.cn/ All Rights Reserved | php.cn | 湘ICP备2023035733号