nvidia.dali.fn.decoders.image_random_crop#

nvidia.dali.fn.decoders.image_random_crop(__input, /, *, affine=True, bytes_per_sample_hint=[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, num_attempts=10, output_type=DALIImageType.RGB, preallocate_height_hint=0, preallocate_width_hint=0, preserve=False, random_area=[0.08, 1.0], random_aspect_ratio=[0.75, 1.333333], seed=-1, use_fast_idct=False, device=None, name=None)#

解码图像并随机裁剪它们。

裁剪窗口的面积（相对于整个图像）和纵横比可以限制为由 area 和 aspect_ratio 参数分别指定的值范围。

在可能的情况下，运算符使用 ROI 解码 API（例如，libjpeg-turbo 和 nvJPEG）来减少解码时间和内存使用量。当给定图像格式不支持 ROI 解码时，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 random_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]) –

    输出大小提示，以字节/样本为单位。

    如果指定，则运算符驻留在 GPU 或分页锁定主机内存中的输出将被预分配，以容纳此大小的样本批次。

  • 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。

    如果提供的值大于 0，则运算符为每个线程预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。找到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。

    如果提供的值大于 0，则运算符根据提供的提示预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。找到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。

    如果提供的值大于 0，则运算符为每个线程预分配两个（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。找到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。

    如果提供的值大于 0，则运算符根据提供的提示预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。找到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) –

    要由 HW JPEG 解码器处理的图像数据百分比。

    仅适用于 NVIDIA Ampere GPU 和更新架构中的 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。更多详细信息可以在 https://developer.nvidia.com/blog/loading-data-fast-with-dali-and-new-jpeg-decoder-in-a100 找到

  • 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 解码器仍然在很大程度上使用 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。

    打印有关 nvJPEG 分配的调试信息。有关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，而不是每个运算符实例，并且包括在构造期间进行的分配（如果填充提示非零）。

  • num_attempts (int, optional, default = 10) – 用于选择随机区域和纵横比的最大尝试次数。

  • output_type (nvidia.dali.types.DALIImageType, optional, default = DALIImageType.RGB) –

    输出图像的颜色空间。

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

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

    图像宽度提示。

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

    该提示用于为 HW JPEG 解码器预分配内存。

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

    图像宽度提示。

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

    该提示用于为 HW JPEG 解码器预分配内存。

  • preserve (bool, optional, default = False) – 阻止运算符从图中删除，即使其输出未使用。

  • random_area (float or list of float, optional, default = [0.08, 1.0]) –

    从中选择随机区域分数 A 的范围。

    裁剪后的图像面积将等于 A * 原始图像面积。

  • random_aspect_ratio (float or list of float, optional, default = [0.75, 1.333333]) – 从中选择随机纵横比（宽度/高度）的范围。

  • seed (int, optional, default = -1) – 随机种子；如果未设置，将自动分配一个。

  • split_stages (bool) –

    警告

    参数 split_stages 不再使用，将在未来的版本中删除。

  • use_chunk_allocator (bool) –

    警告

    参数 use_chunk_allocator 不再使用，将在未来的版本中删除。

  • use_fast_idct (bool, 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，解压缩性能提高了高达 14%，而质量几乎没有降低。

另请参阅

在本页中