操作参考

DALI Pipeline 中的数据处理图是通过调用操作函数定义的。它们接受并返回 DataNode 的实例，这些实例是张量批次的符号表示。操作函数不能直接用于处理数据。

有关定义处理 pipeline 的约束，请参阅 Pipeline 文档的此部分。

下表列出了 DALI 中所有可用的操作

函数	设备支持	简短描述
audio_decoder	CPU	decoders.audio() 的旧版别名。
audio_resample	CPU, GPU	重采样音频信号。
batch_permutation	CPU	生成一批随机整数，可用作批次中索引样本的索引。
bb_flip	CPU, GPU	水平或垂直翻转（镜像）边界框。
bbox_paste	CPU	变换边界框，使框在图像粘贴到较大画布后保持在图像中的相同位置。
box_encoder	CPU, GPU	使用作为参数传递的一组默认框（锚点）对输入边界框和标签进行编码。
brightness	CPU, GPU	调整图像的亮度。
brightness_contrast	CPU, GPU	调整图像的亮度和对比度。
caffe2_reader	CPU	readers.caffe2() 的旧版别名。
caffe_reader	CPU	readers.caffe() 的旧版别名。
cast	CPU, GPU	将张量转换为不同的类型。
cast_like	CPU, GPU	将第一个张量转换为第二个张量的类型。
cat	CPU, GPU	沿现有轴连接输入张量。
coco_reader	CPU	readers.coco() 的旧版别名。
coin_flip	CPU, GPU	生成遵循伯努利分布的随机布尔值。
color_space_conversion	CPU, GPU	在各种图像颜色模型之间转换。
color_twist	CPU, GPU	调整图像的色调、饱和度、亮度和对比度。
contrast	CPU, GPU	调整图像的对比度。
coord_flip	CPU, GPU	通过相对于给定中心翻转（反射）其坐标来变换向量或点。
coord_transform	CPU, GPU	对点或向量应用线性变换。
copy	CPU, GPU	创建输入张量的副本。
crop	CPU, GPU	使用指定的窗口尺寸和窗口位置（左上角）裁剪图像。
crop_mirror_normalize	CPU, GPU	如果需要，执行融合裁剪、归一化、格式转换 (NHWC 到 NCHW) 和类型转换。
dl_tensor_python_function	CPU, GPU	执行对 DLPack 张量进行操作的 Python 函数。
dump_image	CPU, GPU	将批量图像以 PPM 格式保存到磁盘。
element_extract	CPU, GPU	从输入序列中提取一个或多个元素。
erase	CPU, GPU	从输入张量中擦除一个或多个区域。
expand_dims	CPU, GPU	在数据形状中插入范围为 1 的新维度。
external_source	CPU, GPU	允许将外部提供的数据作为 pipeline 的输入传递。
fast_resize_crop_mirror	CPU, GPU	ResizedCropMirror 的旧版别名，默认情况下禁用抗锯齿。
file_reader	CPU	readers.file() 的旧版别名。
flip	CPU, GPU	在选定的维度（水平、垂直和深度方向）翻转图像。
full	CPU	返回给定形状和类型的新数据，并填充填充值。
full_like	CPU	返回与输入数据具有相同形状和类型的新数据，并填充 fill_value。
gaussian_blur	CPU, GPU	对输入应用高斯模糊。
get_property	CPU, GPU	返回作为输入传递的张量的属性。
grid_mask	CPU, GPU	执行 gridmask 增强 (https://arxiv.org/abs/2001.04086)。
hsv	CPU, GPU	调整图像的色调、饱和度和值（亮度）。
hue	CPU, GPU	更改图像的色调级别。
image_decoder	CPU, 混合	decoders.image() 的旧版别名。
image_decoder_crop	CPU, 混合	decoders.image_crop() 的旧版别名。
image_decoder_random_crop	CPU, 混合	decoders.image_random_crop() 的旧版别名。
image_decoder_slice	CPU, 混合	decoders.image_slice() 的旧版别名。
jitter	GPU	执行随机 Jitter 增强。
jpeg_compression_distortion	CPU, GPU	将 JPEG 压缩伪影引入 RGB 图像。
laplacian	CPU, GPU	计算输入的拉普拉斯算子。
lookup_table	CPU, GPU	通过使用由 keys 和 values 指定的查找表以及未指定键的 default_value 将输入映射到输出。
mel_filter_bank	CPU, GPU	通过应用三角形滤波器组将频谱图转换为梅尔频谱图。
mfcc	CPU, GPU	从梅尔频谱图计算梅尔频率倒谱系数 (MFCC)。
multi_paste	CPU, GPU	执行从图像批次到每个输出的多次粘贴。
mxnet_reader	CPU	readers.mxnet() 的旧版别名。
nemo_asr_reader	CPU	readers.nemo_asr() 的旧版别名。
nonsilent_region	CPU, GPU	在音频缓冲区中执行前导和尾随静音检测。
normal_distribution	CPU, GPU	生成遵循正态分布的随机数。
normalize	CPU, GPU	通过去除均值并除以标准差来归一化输入。
numba_function	CPU, GPU	调用 njit 编译的 Numba 函数。
numpy_reader	CPU, GPU	readers.numpy() 的旧版别名。
one_hot	CPU, GPU	生成输入的 one-hot 编码。
ones	CPU	返回给定形状和类型的新数据，并填充 1。
ones_like	CPU	返回与输入数组具有相同形状和类型的新数据，并填充 1。
optical_flow	GPU	计算输入中图像之间的光流。
pad	CPU, GPU	在指定的轴中用 fill_value 填充所有样本，以匹配这些轴中批次的最大范围或匹配指定的最小形状。
paste	GPU	将输入图像粘贴到较大的画布上，其中画布大小等于 input size * ratio。
peek_image_shape	CPU	获取编码图像的形状。
per_frame	CPU, GPU	将输入张量标记为序列。
permute_batch	CPU, GPU	返回通过根据 indices 参数中给出的索引从输入中选择张量而构造的张量批次。
power_spectrum	CPU	计算信号的功率谱。
preemphasis_filter	CPU, GPU	对输入数据应用预加重滤波器。
python_function	CPU, GPU	执行 Python 函数。
random_bbox_crop	CPU	对图像坐标空间应用预期的随机裁剪，同时保持边界框，以及可选的标签，一致。
random_crop_generator	CPU	生成具有随机选择的面积和宽高比的裁剪窗口。
random_resized_crop	CPU, GPU	执行具有随机选择的面积和宽高比的裁剪，并将其调整为指定的大小。
reinterpret	CPU, GPU	将输入的内容视为具有不同的类型、形状和/或布局。
reshape	CPU, GPU	将输入的内容视为具有不同的形状和/或布局。
resize	CPU, GPU	调整图像大小。
resize_crop_mirror	CPU, GPU	执行融合的调整大小、裁剪、镜像操作。
roi_random_crop	CPU	生成固定形状的裁剪窗口，随机放置，以便尽可能多地包含提供的感兴趣区域 (ROI)。
rotate	CPU, GPU	将图像旋转指定的角度。
saturation	CPU, GPU	更改图像的饱和度级别。
sequence_reader	CPU	readers.sequence() 的旧版别名。
sequence_rearrange	CPU, GPU	重新排列序列中的帧。
shapes	CPU, GPU	返回输入批次中张量的形状。
slice	CPU, GPU	提取子张量或切片。
spectrogram	CPU, GPU	从一维信号（例如，音频）生成频谱图。
sphere	CPU, GPU	执行球体增强。
squeeze	CPU, GPU	删除作为 axes 或 axis_names 给出的维度。
ssd_random_crop	CPU	执行带有边界框的随机裁剪，其中 Intersection Over Union (IoU) 符合 0-1 之间随机选择的阈值。
stack	CPU, GPU	沿新轴连接输入张量。
tfrecord_reader	CPU	readers.tfrecord() 的旧版别名。
to_decibels	CPU, GPU	将幅度（实数，正数）转换为分贝刻度。
torch_python_function	CPU, GPU	执行对 Torch 张量进行操作的函数。
transpose	CPU, GPU	通过基于 perm 参数重新排序维度来转置张量。
uniform	CPU, GPU	生成遵循均匀分布的随机数。
video_reader	GPU	readers.video() 的旧版别名。
video_reader_resize	GPU	readers.video_resize() 的旧版别名。
warp_affine	CPU, GPU	对图像应用仿射变换。
water	CPU, GPU	执行水增强，使图像看起来像在水下。
zeros	CPU	返回给定形状和类型的新数据，并填充 0。
zeros_like	CPU	返回与输入数组具有相同形状和类型的新数据，并填充 0。
decoders.audio	CPU	从编码的音频数据解码波形。
decoders.image	CPU, 混合	解码图像。
decoders.image_crop	CPU, 混合	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)。
decoders.image_random_crop	CPU, 混合	解码图像并随机裁剪它们。
decoders.image_slice	CPU, 混合	解码图像并提取感兴趣区域。
experimental.audio_resample	CPU, GPU	audio_resample() 的旧版别名。
experimental.debayer	GPU	执行图像去马赛克/去拜耳化。
experimental.dilate	GPU	对输入图像执行膨胀操作。
experimental.equalize	CPU, GPU	执行灰度/逐通道直方图均衡化。
experimental.erode	GPU	对输入图像执行腐蚀操作。
experimental.filter	CPU, GPU	使用提供的滤波器卷积图像。
experimental.inflate	GPU	使用指定的解压缩算法膨胀/解压缩输入。
experimental.median_blur	GPU	中值模糊通过用周围矩形区域的中值颜色替换每个像素来执行图像或图像序列的平滑处理。
experimental.peek_image_shape	CPU	获取编码图像的形状。
experimental.remap	GPU	remap 操作对图像应用通用几何变换。换句话说，它从输入图像中的一个位置获取像素，并将它们放在输出图像中的另一个位置。变换由 mapx 和 mapy 参数描述，其中
experimental.resize	GPU	调整图像大小。
experimental.tensor_resize	CPU, GPU	调整张量大小。
experimental.warp_perspective	GPU	对图像执行透视变换。
experimental.decoders.image	CPU, 混合	解码图像。
experimental.decoders.image_crop	CPU, 混合	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)。
experimental.decoders.image_random_crop	CPU, 混合	解码图像并随机裁剪它们。
experimental.decoders.image_slice	CPU, 混合	解码图像并提取感兴趣区域。
experimental.decoders.video	CPU, 混合	从内存缓冲区（例如，由外部源提供）解码视频文件。
experimental.inputs.video	CPU, 混合	从内存缓冲区流式传输和解码视频。用于长视频和高分辨率视频。
experimental.readers.fits	CPU, GPU	从目录读取 Fits 图像 HDU。
experimental.readers.video	CPU, GPU	使用 FFmpeg 加载和解码视频文件。
io.file.read	CPU	从由 1D 字节数组表示的编码文件名读取原始文件内容。
noise.gaussian	CPU, GPU	对输入应用高斯噪声。
noise.salt_and_pepper	CPU, GPU	对输入应用椒盐噪声。
noise.shot	CPU, GPU	对输入应用散粒噪声。
plugin.video.decoder	混合	从内存缓冲区（例如，由外部源提供）解码视频文件。
random.beta	CPU	从 [0, 1] 范围生成遵循 beta 分布的随机数。
random.choice	CPU	从给定的 1D 数组生成随机样本。
random.coin_flip	CPU, GPU	生成遵循伯努利分布的随机布尔值。
random.normal	CPU, GPU	生成遵循正态分布的随机数。
random.uniform	CPU, GPU	生成遵循均匀分布的随机数。
readers.caffe	CPU	从 Caffe LMDB 读取（图像、标签）对。
readers.caffe2	CPU	从 Caffe2 Lightning 内存映射数据库 (LMDB) 读取样本数据。
readers.coco	CPU	从 COCO 数据集读取数据，该数据集由带有图像和注释 JSON 文件的目录组成。
readers.file	CPU	读取文件内容并返回文件-标签对。
readers.mxnet	CPU	从 MXNet RecordIO 读取数据。
readers.nemo_asr	CPU	从 NVIDIA NeMo 兼容清单读取自动语音识别 (ASR) 数据（音频、文本）。
readers.numpy	CPU, GPU	从目录读取 Numpy 数组。
readers.sequence	CPU	从表示流集合的目录读取 [帧] 序列。
readers.tfrecord	CPU	从 TensorFlow TFRecord 文件读取样本。
readers.video	GPU	使用 FFmpeg 和 NVDECODE 加载和解码视频文件，NVDECODE 是 NVIDIA(R) GPU 中的硬件加速视频解码功能。
readers.video_resize	GPU	使用 FFmpeg 和 NVDECODE 加载、解码和调整视频文件大小，NVDECODE 是 NVIDIA GPU 的硬件加速视频解码。
readers.webdataset	CPU	webdataset 格式的读取器。
reductions.max	CPU, GPU	获取沿指定轴的最大输入元素。
reductions.mean	CPU, GPU	获取沿指定轴的元素的平均值。
reductions.mean_square	CPU, GPU	获取沿指定轴的元素的均方值。
reductions.min	CPU, GPU	获取沿指定轴的最小输入元素。
reductions.rms	CPU, GPU	获取沿指定轴的元素的均方根值。
reductions.std_dev	CPU, GPU	获取沿指定轴的元素的标准差。
reductions.sum	CPU, GPU	获取沿指定轴的元素的总和。
reductions.variance	CPU, GPU	获取沿指定轴的元素的方差。
segmentation.random_mask_pixel	CPU	在掩码中选择随机像素坐标，从均匀分布中采样。
segmentation.random_object_bbox	CPU	从掩码中随机选择一个对象并返回其边界框。
segmentation.select_masks	CPU	按掩码 ID 选择多边形的子集。
transforms.combine	CPU	组合两个或多个仿射变换。
transforms.crop	CPU	生成将参考坐标空间映射到另一个坐标空间的仿射变换矩阵。
transforms.rotation	CPU	生成旋转仿射变换矩阵。
transforms.scale	CPU	生成缩放仿射变换矩阵。
transforms.shear	CPU	生成剪切仿射变换矩阵。
transforms.translation	CPU	生成平移仿射变换矩阵。