torchvision.transforms.RandomRotation

import time

import torch

from torch import nn,optim

import numpy as np

import torch.nn.functional as F

from torch.optim import lr_scheduler

import torchvision.transforms

w=[]

for i in range(14):

    w1=[]

    for j in range(14):

        w1.append(i)

    w1=np.array(w1)

    w.append(w1)

w=np.array(w)

w=np.reshape(w,(1,14,14))

w=torch.Tensor(w)

print(w.shape)

e=torchvision.transforms.RandomRotation((9,10))

print(e.forward(w))

輸出:

tensor([[[ 0., 0., 0., 0., 0., 0., 0., 0., 0., 1., 1., 1., 1., 0.],
[ 0., 0., 0., 0., 1., 1., 1., 1., 1., 1., 2., 2., 2., 0.],
[ 1., 1., 1., 1., 2., 2., 2., 2., 2., 2., 3., 3., 3., 0.],
[ 2., 2., 2., 2., 3., 3., 3., 3., 3., 3., 4., 4., 4., 4.],
[ 3., 3., 3., 3., 4., 4., 4., 4., 4., 4., 5., 5., 5., 5.],
[ 4., 4., 4., 4., 5., 5., 5., 5., 5., 5., 6., 6., 6., 6.],
[ 5., 5., 5., 5., 6., 6., 6., 6., 6., 6., 7., 7., 7., 7.],
[ 6., 6., 6., 6., 7., 7., 7., 7., 7., 7., 8., 8., 8., 8.],
[ 7., 7., 7., 7., 8., 8., 8., 8., 8., 8., 9., 9., 9., 9.],
[ 8., 8., 8., 8., 9., 9., 9., 9., 9., 9., 10., 10., 10., 10.],
[ 9., 9., 9., 9., 10., 10., 10., 10., 10., 10., 11., 11., 11., 11.],
[ 0., 10., 10., 10., 11., 11., 11., 11., 11., 11., 12., 12., 12., 12.],
[ 0., 11., 11., 11., 12., 12., 12., 12., 12., 12., 13., 13., 13., 13.],
[ 0., 12., 12., 12., 12., 13., 13., 13., 13., 13., 13., 0., 0., 0.]]])

將二維向量進行旋轉，角度為正是向左旋轉，故出現左邊的1向下沉，右邊的1向上升。

缺少的部分補0。