torchvision¶
此库是 PyTorch 项目的一部分。PyTorch 是一个开源机器学习框架。
本文档中描述的功能按发布状态分类
稳定：这些功能将长期维护，并且通常不应存在文档中的重大性能限制或空白。我们还希望保持向后兼容性（尽管可能会发生重大更改，并且会在提前一个版本发布时发出通知）。
Beta：功能标记为 Beta，因为 API 可能会根据用户反馈而更改，因为性能需要提高，或者因为跨运算符的覆盖范围尚未完成。对于 Beta 功能，我们致力于将该功能贯彻到稳定分类。但是，我们不致力于向后兼容性。
原型：这些功能通常不作为二进制发行版（如 PyPI 或 Conda）的一部分提供，有时除运行时标志外，并且处于早期阶段，用于反馈和测试。
torchvision 包含流行的数据集、模型架构和计算机视觉的常见图像转换。
- torchvision.get_video_backend()[source]¶
返回当前用于解码视频的活动视频后端。
- 返回:
视频后端的名称。{‘pyav’, ‘video_reader’} 之一。
- 返回类型:
- torchvision.set_image_backend(backend)[source]¶
指定用于加载图像的包。
- 参数:
backend (string) – 图像后端的名称。{‘PIL’, ‘accimage’} 之一。
accimage包使用 Intel IPP 库。它通常比 PIL 快，但支持的操作较少。
- torchvision.set_video_backend(backend)[源代码]¶
指定用于解码视频的软件包。
- 参数:
backend (字符串) – 视频后端的名称。{‘pyav’, ‘video_reader’} 之一。
pyav软件包使用第三方 PyAv 库。它是 FFmpeg 库的 Pythonic 绑定。video_reader软件包在 FFMPEG 库之上包含一个本机 C++ 实现，以及 TorchScript 自定义运算符的 Python API。它通常比pyav解码得更快，但可能不太健壮。
注意
在最新的 main 中，默认情况下禁用使用 FFMPEG 构建。如果您想使用“video_reader”后端，请从源代码编译 torchvision。
使用
set_video_backend的示例
