nvidia.dali.fn.experimental.decoders.image_crop#

nvidia.dali.fn.experimental.decoders.image_crop(__input, /, *, adjust_orientation=True, affine=True, bytes_per_sample_hint=[0], crop=None, crop_d=0.0, crop_h=0.0, crop_pos_x=0.5, crop_pos_y=0.5, crop_pos_z=0.5, crop_w=0.0, device_memory_padding=16777216, device_memory_padding_jpeg2k=0, dtype=DALIDataType.UINT8, host_memory_padding=8388608, host_memory_padding_jpeg2k=0, hw_decoder_load=0.9, hybrid_huffman_threshold=1000000, jpeg_fancy_upsampling=False, output_type=DALIImageType.RGB, preallocate_height_hint=0, preallocate_width_hint=0, preserve=False, rounding='round', use_fast_idct=False, device=None, name=None)#

解码图像并提取由固定窗口尺寸和可变锚点指定的感兴趣区域 (ROI)。

支持的格式：JPEG、JPEG 2000、TIFF、PNG、BMP、PNM、PPM、PGM、PBM、WebP。

解码器的输出采用 HWC 布局。

该实现使用 NVIDIA nvImageCodec 来解码图像。

如果可能，操作符会使用 ROI 解码，从而减少解码时间和内存消耗。

注意

GPU 加速解码仅适用于部分图像格式（JPEG 和 JPEG2000）。对于其他格式，将使用基于 CPU 的解码器。对于 JPEG，在可用时将使用专用 HW 解码器。

注意

WebP 解码目前仅支持简单的文件格式（有损和无损压缩）。有关不同 WebP 文件格式的详细信息，请参阅 https://developers.google.com/speed/webp/docs/riff_container

支持的后端

  • ‘cpu’

  • ‘mixed’

参数:

__input (TensorList) – 操作符的输入。

关键字参数:

  • adjust_orientation (bool, optional, default = True) – 使用 EXIF 方向元数据来校正图像

  • affine (bool, optional, default = True) –

    仅适用于 mixed 后端类型。

    如果设置为 True，则内部线程池中的每个线程将绑定到特定的 CPU 核心。否则，操作系统可以将线程重新分配给任何 CPU 核心。

  • bytes_per_sample_hint (int or list of int, optional, default = [0]) –

    输出大小提示，以字节/样本为单位。

    如果指定，则位于 GPU 或页锁定主机内存中的操作符输出将被预先分配，以容纳此大小的样本批次。

  • crop (float 或 float 列表或 float 的 TensorList, 可选) –

    裁剪图像的形状，指定为值列表（例如，对于 2D 裁剪为 (crop_H, crop_W)，对于体积裁剪为 (crop_D, crop_H, crop_W)）。

    提供 crop 参数与提供单独的参数（如 crop_d、crop_h 和 crop_w）不兼容。

  • crop_d (float 或 float 的 TensorList, optional, default = 0.0) –

    仅适用于体积输入；裁剪窗口深度（以体素为单位）。

    crop_w、crop_h 和 crop_d 必须一起指定。为 crop_w、crop_h 和 crop_d 提供值与提供固定裁剪窗口尺寸（参数 crop）不兼容。

  • crop_h (float 或 float 的 TensorList, optional, default = 0.0) –

    裁剪窗口高度（以像素为单位）。

    为 crop_w 和 crop_h 提供值与提供固定裁剪窗口尺寸（参数 crop）不兼容。

  • crop_pos_x (float 或 float 的 TensorList, optional, default = 0.5) –

    裁剪窗口（左上角）的归一化 (0.0 - 1.0) 水平位置。

    实际位置计算为 crop_x = crop_x_norm * (W - crop_W)，其中 crop_x_norm 是归一化位置，W 是图像宽度，crop_W 是裁剪窗口宽度。

    有关 crop_x 如何转换为整数值的更多详细信息，请参阅 rounding 参数。

  • crop_pos_y (float 或 float 的 TensorList, optional, default = 0.5) –

    裁剪窗口起始位置（通常为左上角）的归一化 (0.0 - 1.0) 垂直位置。

    实际位置计算为 crop_y = crop_y_norm * (H - crop_H)，其中 crop_y_norm 是归一化位置，H 是图像高度，crop_H 是裁剪窗口高度。

    有关 crop_y 如何转换为整数值的更多详细信息，请参阅 rounding 参数。

  • crop_pos_z (float 或 float 的 TensorList, optional, default = 0.5) –

    仅适用于体积输入。

    裁剪窗口（前平面）的归一化 (0.0 - 1.0) 法线位置。实际位置计算为 crop_z = crop_z_norm * (D - crop_D)，其中 crop_z_norm 是归一化位置，D 是图像深度，crop_D 是裁剪窗口深度。

    有关 crop_z 如何转换为整数值的更多详细信息，请参阅 rounding 参数。

  • crop_w (float 或 float 的 TensorList, optional, default = 0.0) –

    裁剪窗口宽度（以像素为单位）。

    为 crop_w 和 crop_h 提供值与提供固定裁剪窗口尺寸（参数 crop）不兼容。

  • device_memory_padding (int, optional, default = 16777216) –

    仅适用于 mixed 后端类型。

    nvJPEG 的设备内存分配的填充，以字节为单位。此参数有助于避免在遇到更大的图像时 nvJPEG 中重新分配，并且需要重新分配内部缓冲区以解码图像。

    如果提供的值大于 0，则操作符会为每个线程预先分配一个请求大小的设备缓冲区。如果正确选择该值，则在 pipeline 执行期间不会发生额外的分配。

  • device_memory_padding_jpeg2k (int, optional, default = 0) –

    仅适用于 mixed 后端类型。

    nvJPEG2k 的设备内存分配的填充，以字节为单位。此参数有助于避免在遇到更大的图像时 nvJPEG2k 中重新分配，并且需要重新分配内部缓冲区以解码图像。

    如果提供的值大于 0，则操作符会根据提供的提示预先分配所需数量的缓冲区。如果正确选择该值，则在 pipeline 执行期间不会发生额外的分配。

  • dtype (nvidia.dali.types.DALIDataType, optional, default = DALIDataType.UINT8) –

    图像的输出数据类型。

    值将转换为请求类型的动态范围。

  • host_memory_padding (int, optional, default = 8388608) –

    仅适用于 mixed 后端类型。

    nvJPEG 的主机内存分配的填充，以字节为单位。此参数有助于防止在遇到更大的图像时 nvJPEG 中重新分配，并且需要重新分配内部缓冲区以解码图像。

    如果提供的值大于 0，则操作符会为每个线程预先分配两个（由于双缓冲）请求大小的主机固定缓冲区。如果选择正确，则在 pipeline 执行期间不会发生额外的分配。

  • host_memory_padding_jpeg2k (int, optional, default = 0) –

    仅适用于 mixed 后端类型。

    nvJPEG2k 的主机内存分配的填充，以字节为单位。此参数有助于防止在遇到更大的图像时 nvJPEG2k 中重新分配，并且需要重新分配内部缓冲区以解码图像。

    如果提供的值大于 0，则操作符会根据提供的提示预先分配所需数量的缓冲区。如果正确选择该值，则在 pipeline 执行期间不会发生额外的分配。

  • hw_decoder_load (float, optional, default = 0.9) –

    由 HW JPEG 解码器处理的图像数据百分比。

    仅适用于 NVIDIA Ampere GPU 架构中的 mixed 后端类型。

    确定将卸载到硬件解码器（如果可用）的工作负载百分比。最佳工作负载取决于提供给 DALI 管道的线程数，应通过经验找到。更多详情请见 https://developer.nvidia.com/blog/loading-data-fast-with-dali-and-new-jpeg-decoder-in-a100

  • hybrid_huffman_threshold (int, optional, default = 1000000) –

    仅适用于 mixed 后端类型。

    像素总数（height * width）高于此阈值的图像将使用 nvJPEG 混合 Huffman 解码器。像素较少的图像将使用 nvJPEG 主机端 Huffman 解码器。

    注意

    混合 Huffman 解码器仍然很大程度上依赖 CPU。

  • jpeg_fancy_upsampling (bool, optional, default = False) –

    使 mixed 后端使用与 cpu 后端相同的色度上采样方法。

    此选项对应于 libjpegturbo 或 ImageMagick 中提供的 JPEG 精细上采样。

  • memory_stats –

output_typenvidia.dali.types.DALIImageType, optional, default = DALIImageType.RGB

输出图像的色彩空间。

注意：当解码为 YCbCr 时，图像将先解码为 RGB，然后转换为 YCbCr，遵循 ITU-R BT.601 中的 YCbCr 定义。

preallocate_height_hintint, optional, default = 0

图像宽度提示。

仅适用于 NVIDIA Ampere GPU 架构中的 mixed 后端类型。

此提示用于为 HW JPEG 解码器预分配内存。

preallocate_width_hintint, optional, default = 0

图像宽度提示。

仅适用于 NVIDIA Ampere GPU 架构中的 mixed 后端类型。

此提示用于为 HW JPEG 解码器预分配内存。

preservebool, optional, default = False

即使操作符的输出未使用，也阻止其从图中移除。

roundingstr, optional, default = ‘round’

确定用于将窗口的起始坐标转换为整数值的舍入函数（参见 crop_pos_x, crop_pos_y, crop_pos_z）。

可能的值为

  • "round" - 四舍五入到最接近的整数值，中途情况远离零舍入。
  • "truncate" - 丢弃数字的小数部分（向零截断）。

split_stages : bool, optional, default = False

警告

参数 split_stages 现已弃用，不建议使用。

use_chunk_allocator : bool, optional, default = False

警告

参数 use_chunk_allocator 现已弃用，不建议使用。

use_fast_idctbool, optional, default = False

在基于 libjpeg-turbo 的 CPU 解码器中启用快速 IDCT，当 device 设置为 “cpu” 时，或者当它设置为 “mixed” 但特定图像无法由 GPU 实现处理时使用。

根据 libjpeg-turbo 文档，解压缩性能最多可提高 14%，而质量几乎没有降低。

在此页上