[Fix] Fix error in version.py (#2133)

docs/zh_cn/understand_mmcv/data_transform.md

@@ -72,7 +72,7 @@ dataset = dict(
 为了支持大规模数据集的加载，通常在 `Dataset` 初始化时不加载数据，只加载相应的路径。因此需要在数据流水线中进行具体数据的加载。
 
 |            class            |                   功能                    |
-| :---------------------------: | :---------------------------------------: |
+| :-------------------------: | :---------------------------------------: |
 | [`LoadImageFromFile`](TODO) |             根据路径加载图像              |
 |  [`LoadAnnotations`](TODO)  | 加载和组织标注信息，如 bbox、语义分割图等 |
 
@@ -97,11 +97,10 @@ dataset = dict(
 数据格式化操作通常是对数据进行的类型转换。
 
 |          class          |               功能                |
-| :---------------------------: | :--------------------------------: |
+| :---------------------: | :-------------------------------: |
 |   [`ToTensor`](TODO)    | 将指定的数据转换为 `torch.Tensor` |
 | [`ImageToTensor`](TODO) |    将图像转换为 `torch.Tensor`    |
 
-
 ## 自定义数据变换类
 
 要实现一个新的数据变换类，需要继承 `BaseTransform`，并实现 `transform` 方法。这里，我们使用一个简单的翻转变换（`MyFlip`）作为示例：
@@ -262,7 +261,6 @@ pipeline = [
    ]
    ```
 
-
 2. 应用于一个字段的一组目标
 
    假设我们需要将数据变换应用于 `"images"` 字段，该字段为一个图像组成的 list。
@@ -283,7 +281,6 @@ pipeline = [
    ]
    ```
 
-
 #### 装饰器 `cache_randomness`
 
 在 `TransformBroadcaster` 中，我们提供了 `share_random_params` 选项来支持在多次数据变换中共享随机状态。例如，在超分辨率任务中，我们希望将随机变换**同步**作用于低分辨率图像和原始图像。如果我们希望在自定义的数据变换类中使用这一功能，需要在类中标注哪些随机变量是支持共享的。这可以通过装饰器 `cache_randomness` 来实现。

mmcv/transforms/processing.py

@@ -369,7 +369,7 @@ class Pad(BaseTransform):
         elif self.size is not None:
             size = self.size[::-1]
         if isinstance(pad_val, int) and results['img'].ndim == 3:
-            pad_val = tuple([pad_val for _ in range(results['img'].shape[2])])
+            pad_val = tuple(pad_val for _ in range(results['img'].shape[2]))
         padded_img = mmcv.impad(
             results['img'],
             shape=size,
@@ -389,7 +389,7 @@ class Pad(BaseTransform):
             pad_val = self.pad_val.get('seg', 255)
             if isinstance(pad_val, int) and results['gt_seg_map'].ndim == 3:
                 pad_val = tuple(
-                    [pad_val for _ in range(results['gt_seg_map'].shape[2])])
+                    pad_val for _ in range(results['gt_seg_map'].shape[2]))
             results['gt_seg_map'] = mmcv.impad(
                 results['gt_seg_map'],
                 shape=results['pad_shape'][:2],

mmcv/version.py

@@ -30,6 +30,6 @@ def parse_version_info(version_str: str, length: int = 4) -> tuple:
     return tuple(release)
 
 
-version_info = tuple(int(x) for x in __version__.split('.')[:3])
+version_info = parse_version_info(__version__)
 
 __all__ = ['__version__', 'version_info', 'parse_version_info']