数据集

Torchvision 在 torchvision.datasets 模块中提供了许多内置数据集，以及用于构建自定义数据集的实用工具类。

内置数据集

所有数据集都是 torch.utils.data.Dataset 的子类，即它们都实现了 __getitem__ 和 __len__ 方法。因此，它们都可以传递给 torch.utils.data.DataLoader，后者可以使用 torch.multiprocessing 工作进程并行加载多个样本。例如

imagenet_data = torchvision.datasets.ImageNet('path/to/imagenet_root/')
data_loader = torch.utils.data.DataLoader(imagenet_data,
                                          batch_size=4,
                                          shuffle=True,
                                          num_workers=args.nThreads)

所有数据集都有几乎相似的 API。它们都有两个共同的参数：transform 和 target_transform，分别用于转换输入和目标。您还可以使用提供的 基类创建自己的数据集。

警告

当使用 download=True 创建数据集对象时，文件首先在根目录中下载和解压缩。此下载逻辑不是多进程安全的，因此如果在分布式设置中运行，可能会导致冲突/竞争条件。在分布式模式下，我们建议在设置分布式模式*之前*创建一个虚拟数据集对象来触发下载逻辑。

图像分类

Caltech101(root[, target_type, transform, ...])	Caltech 101 数据集。
Caltech256(root[, transform, ...])	Caltech 256 数据集。
CelebA(root[, split, target_type, ...])	大规模 CelebFaces 属性 (CelebA) 数据集 数据集。
CIFAR10(root[, train, transform, ...])	CIFAR10 数据集。
CIFAR100(root[, train, transform, ...])	CIFAR100 数据集。
Country211(root[, split, transform, ...])	来自 OpenAI 的 Country211 数据集。
DTD(root[, split, partition, transform, ...])	可描述纹理数据集 (DTD).
EMNIST(root, split, **kwargs)	EMNIST 数据集。
EuroSAT(root[, transform, target_transform, ...])	EuroSAT 数据集的 RGB 版本。
FakeData([size, image_size, num_classes, ...])	一个伪造数据集，返回随机生成的图像并将其作为 PIL 图像返回
FashionMNIST(root[, train, transform, ...])	Fashion-MNIST 数据集。
FER2013(root[, split, transform, ...])	FER2013 数据集。
FGVCAircraft(root[, split, ...])	FGVC Aircraft 数据集。
Flickr8k(root, ann_file[, transform, ...])	Flickr8k Entities 数据集。
Flickr30k(root, ann_file[, transform, ...])	Flickr30k Entities 数据集。
Flowers102(root[, split, transform, ...])	Oxford 102 Flower 数据集。
Food101(root[, split, transform, ...])	Food-101 数据集.
GTSRB(root[, split, transform, ...])	德国交通标志识别基准 (GTSRB) 数据集。
INaturalist(root[, version, target_type, ...])	iNaturalist 数据集。
ImageNet(root[, split])	ImageNet 2012 分类数据集。
Imagenette(root[, split, size, download, ...])	Imagenette 图像分类数据集。
KMNIST(root[, train, transform, ...])	Kuzushiji-MNIST 数据集。
LFWPeople(root[, split, image_set, ...])	LFW 数据集。
LSUN(root[, classes, transform, ...])	LSUN 数据集。
MNIST(root[, train, transform, ...])	MNIST 数据集。
Omniglot(root[, background, transform, ...])	Omniglot 数据集。
OxfordIIITPet(root[, split, target_types, ...])	Oxford-IIIT Pet 数据集.
Places365(root, ~pathlib.Path], split, ...)	Places365 分类数据集。
PCAM(root[, split, transform, ...])	PCAM 数据集.
QMNIST(root[, what, compat, train])	QMNIST 数据集。
RenderedSST2(root[, split, transform, ...])	Rendered SST2 数据集.
SEMEION(root[, transform, target_transform, ...])	SEMEION 数据集。
SBU(root[, transform, target_transform, ...])	SBU Captioned Photo 数据集。
StanfordCars(root[, split, transform, ...])	Stanford Cars 数据集
STL10(root[, split, folds, transform, ...])	STL10 数据集。
SUN397(root[, transform, target_transform, ...])	SUN397 数据集.
SVHN(root[, split, transform, ...])	SVHN 数据集。
USPS(root[, train, transform, ...])	USPS 数据集。

图像检测或分割

CocoDetection(root, annFile[, transform, ...])	MS Coco Detection 数据集。
CelebA(root[, split, target_type, ...])	大规模 CelebFaces 属性 (CelebA) 数据集 数据集。
Cityscapes(root[, split, mode, target_type, ...])	Cityscapes 数据集。
Kitti(root[, train, transform, ...])	KITTI 数据集。
OxfordIIITPet(root[, split, target_types, ...])	Oxford-IIIT Pet 数据集.
SBDataset(root[, image_set, mode, download, ...])	语义边界数据集
VOCSegmentation(root[, year, image_set, ...])	Pascal VOC 分割数据集。
VOCDetection(root[, year, image_set, ...])	Pascal VOC 检测数据集。
WIDERFace(root[, split, transform, ...])	WIDERFace 数据集。

光流

FlyingChairs(root[, split, transforms])	FlyingChairs 光流数据集。
FlyingThings3D(root[, split, pass_name, ...])	FlyingThings3D 光流数据集。
HD1K(root[, split, transforms])	HD1K 光流数据集。
KittiFlow(root[, split, transforms])	KITTI 2015 年光流数据集。
Sintel(root[, split, pass_name, transforms])	Sintel 光流数据集。

立体匹配

CarlaStereo(root[, transforms])	Carla 模拟器数据链接在 CREStereo github 仓库中。
Kitti2012Stereo(root[, split, transforms])	来自 2012 年立体评估基准的 KITTI 数据集。
Kitti2015Stereo(root[, split, transforms])	来自 2015 年立体评估基准的 KITTI 数据集。
CREStereo(root[, transforms])	在训练 CREStereo 架构中使用的合成数据集。
FallingThingsStereo(root[, variant, transforms])	FallingThings 数据集。
SceneFlowStereo(root[, variant, pass_name, ...])	Scene Flow 数据集的数据集接口。
SintelStereo(root[, pass_name, transforms])	Sintel 立体数据集。
InStereo2k(root[, split, transforms])	InStereo2k 数据集。
ETH3DStereo(root[, split, transforms])	ETH3D Low-Res Two-View 数据集。
Middlebury2014Stereo(root[, split, ...])	来自 Middlebury 数据集 2014 版本 <https://vision.middlebury.edu/stereo/data/scenes2014/> 的公开场景。

图像对

LFWPairs(root[, split, image_set, ...])	LFW 数据集。
PhotoTour(root, name[, train, transform, ...])	多视图立体对应数据集。

图像字幕

CocoCaptions(root, annFile[, transform, ...])

MS Coco Captions 数据集。

视频分类

HMDB51(root, annotation_path, frames_per_clip)	HMDB51 数据集。
Kinetics(root, frames_per_clip[, ...])	Generic Kinetics 数据集。
UCF101(root, annotation_path, frames_per_clip)	UCF101 数据集。

视频预测

MovingMNIST(root[, split, split_ratio, ...])

MovingMNIST 数据集。

自定义数据集的基类

DatasetFolder(root, loader[, extensions, ...])	通用数据加载器。
ImageFolder(root, ~pathlib.Path], transform, ...)	默认情况下，图像按以下方式排列的通用数据加载器： 。
VisionDataset([root, transforms, transform, ...])	用于创建与 torchvision 兼容的数据集的基类。

Transforms v2

wrap_dataset_for_transforms_v2(dataset[, ...])

包装一个 torchvision.dataset 以用于 torchvision.transforms.v2。