nvidia.dali.fn.decoders.image_crop#

nvidia.dali.fn.decoders.image_crop(__input, /, *, 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, host_memory_padding=8388608, host_memory_padding_jpeg2k=0, hw_decoder_load=0.65, hybrid_huffman_threshold=1000000, jpeg_fancy_upsampling=False, memory_stats=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)。

如果可能，该参数使用 ROI 解码 API（例如，libjpeg-turbo 和 nvJPEG）来减少解码时间和内存使用量。如果给定图像格式不支持 ROI 解码，它将解码整个图像并裁剪选定的 ROI。

解码器的输出采用 HWC 布局。

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

注意

JPEG 2000 感兴趣区域 (ROI) 解码在 GPU 上未加速，并且无论选择哪个后端都将使用 CPU 实现。对于 GPU 加速实现，请考虑使用单独的 decoders.image 和 crop 运算符。

注意

EXIF 方向元数据被忽略。

支持的后端

  • ‘cpu’

  • ‘mixed’

参数:

__input (TensorList) – 运算符的输入。

关键字参数:

  • 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，线程可以由操作系统重新分配给任何 CPU 核心。

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

    每个样本的输出大小提示（以字节为单位）。

    如果指定，则将预先分配驻留在 GPU 或分页锁定主机内存中的运算符输出，以容纳此大小的样本批次。

  • crop (float 或 list of float 或 TensorList of float, optional) –

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

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

  • crop_d (float or TensorList of float, 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 or TensorList of float, 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 or TensorList of float, optional, default = 0.5) –

    裁剪窗口水平位置（左上角）的归一化值 (0.0 - 1.0)。

    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 or TensorList of float, optional, default = 0.5) –

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

    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 or TensorList of float, optional, default = 0.5) –

    仅适用于体积输入。

    裁剪窗口法线位置（前平面）的归一化值 (0.0 - 1.0)。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 or TensorList of float, 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 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 中的重新分配，并且需要重新分配内部缓冲区以解码图像。

    如果提供大于 0 的值，则运算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。查找理想值的一种方法是使用设置为 True 的 memory_stats 参数对数据集进行完整运行，然后复制统计信息中打印的最大分配值。

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

    仅适用于 mixed 后端类型。

    nvJPEG2k 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 中的重新分配，并且需要重新分配内部缓冲区以解码图像。

    如果提供大于 0 的值，则运算符会根据提供的提示预先分配必要数量的缓冲区。如果正确选择该值，则在 pipeline 执行期间不会发生额外的分配。查找理想值的一种方法是使用设置为 True 的 memory_stats 参数对数据集进行完整运行，然后复制统计信息中打印的最大分配值。

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

    仅适用于 mixed 后端类型。

    nvJPEG 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 中的重新分配，并且需要重新分配内部缓冲区以解码图像。

    如果提供大于 0 的值，则运算符会为每个线程预先分配两个（由于双缓冲）请求大小的主机锁定缓冲区。如果选择正确，则在 pipeline 执行期间不会发生额外的分配。查找理想值的一种方法是使用设置为 True 的 memory_stats 参数对数据集进行完整运行，然后复制统计信息中打印的最大分配值。

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

    仅适用于 mixed 后端类型。

    nvJPEG2k 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 中的重新分配，并且需要重新分配内部缓冲区以解码图像。

    如果提供大于 0 的值，则运算符会根据提供的提示预先分配必要数量的缓冲区。如果正确选择该值，则在 pipeline 执行期间不会发生额外的分配。查找理想值的一种方法是使用设置为 True 的 memory_stats 参数对数据集进行完整运行，然后复制统计信息中打印的最大分配值。

  • hw_decoder_load (float, optional, default = 0.65) –

    HW JPEG 解码器要处理的图像数据百分比。

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

    确定将卸载到硬件解码器的工作负载百分比（如果可用）。最佳工作负载取决于提供给 DALI pipeline 的线程数，应通过经验找到。更多详细信息请访问 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 解码器仍然主要使用 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 (bool, optional, default = False) –

    仅适用于 mixed 后端类型。

    打印关于 nvJPEG 分配的调试信息。关于最大分配的信息可能有助于确定数据集的 device_memory_padding 和 host_memory_padding 的合适值。

    注意

    统计信息是针对整个进程全局的，而不是每个算子实例，并且如果填充提示为非零值，则包括在构建期间进行的分配。

  • output_type (nvidia.dali.types.DALIImageType, 可选, 默认 = 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_hint (int, 可选, 默认 = 0) –

    图像高度提示。

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

    此提示用于为硬件 JPEG 解码器预分配内存。

  • preallocate_width_hint (int, 可选, 默认 = 0) –

    图像高度提示。

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

    此提示用于为硬件 JPEG 解码器预分配内存。

  • preserve (bool, 可选, 默认 = False) – 阻止运算符从图中移除，即使其输出未使用。

  • rounding (str, 可选, 默认 = ‘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)。

    可能的值包括

    • "round" - 四舍五入到最接近的整数值，中间值四舍五入到远离零的方向。
    • "truncate" - 丢弃数字的小数部分（向零截断）。

  • split_stages (bool) –

    警告

    参数 split_stages 已不再使用，并将在未来的版本中移除。

  • use_chunk_allocator (bool) –

    警告

    参数 use_chunk_allocator 已不再使用，并将在未来的版本中移除。

  • use_fast_idct (bool, 可选, 默认 = 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。

另请参阅

本页内容