数据集

Torchvision 在 torchvision.datasets 模块中提供了许多内置数据集，以及用于构建您自己的数据集的实用类。

内置数据集

所有数据集都是 torch.utils.data.Dataset 的子类，即它们实现了 __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)

所有数据集的 API 都几乎相同。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，文件会首先下载并提取到根目录中。此下载逻辑不是多进程安全的，因此如果在分布式环境中运行，可能会导致冲突/竞态条件。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, ...])	大规模名人面部属性 (CelebA) 数据集。
CIFAR10(root[, train, transform, ...])	CIFAR10 数据集。
CIFAR100(root[, train, transform, ...])	CIFAR100 数据集。
Country211(root, ~pathlib.Path], split, ...)	来自 OpenAI 的 Country211 数据集。
DTD(root, ~pathlib.Path], split, partition, ...)	可描述纹理数据集 (DTD).
EMNIST(root, split, **kwargs)	EMNIST 数据集。
EuroSAT(root, ~pathlib.Path], transform, ...)	EuroSAT 数据集的 RGB 版本。
FakeData([size, image_size, num_classes, ...])	一个返回随机生成图像并将其作为 PIL 图像的模拟数据集
FashionMNIST(root[, train, transform, ...])	Fashion-MNIST 数据集。
FER2013(root[, split, transform, ...])	FER2013 数据集。
FGVCAircraft(root, ~pathlib.Path], split, ...)	FGVC Aircraft 数据集。
Flickr8k(root, ~pathlib.Path], ann_file, ...)	Flickr8k Entities 数据集。
Flickr30k(root, ann_file, transform, ...)	Flickr30k Entities 数据集。
Flowers102(root, ~pathlib.Path], split, ...)	Oxford 102 Flower 数据集。
Food101(root, ~pathlib.Path], split, ...)	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, ~pathlib.Path], split, size)	Imagenette 图像分类数据集。
KMNIST(root[, train, transform, ...])	Kuzushiji-MNIST 数据集。
LFWPeople(root, split, image_set, transform, ...)	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, ~pathlib.Path], split, ...)	Rendered SST2 数据集.
SEMEION(root[, transform, target_transform, ...])	SEMEION 数据集。
SBU(root, ~pathlib.Path], transform, ...)	SBU Captioned Photo 数据集。
StanfordCars(root, ~pathlib.Path], split, ...)	Stanford Cars 数据集
STL10(root[, split, folds, transform, ...])	STL10 数据集。
SUN397(root, ~pathlib.Path], 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, ...])	大规模名人面部属性 (CelebA) 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])	用于光流的 FlyingChairs 数据集。
FlyingThings3D(root, ~pathlib.Path], split, ...)	用于光流的 FlyingThings3D 数据集。
HD1K(root, ~pathlib.Path], split, ...)	用于光流的 HD1K 数据集。
KittiFlow(root, ~pathlib.Path], split, ...)	用于光流的 KITTI 数据集 (2015)。
Sintel(root, ~pathlib.Path], split, ...)	用于光流的 Sintel 数据集。

立体匹配

CarlaStereo(root[, transforms])	在 CREStereo GitHub 仓库 中链接的 Carla 模拟器数据。
Kitti2012Stereo(root[, split, transforms])	来自 2012 立体评估基准 的 KITTI 数据集。
Kitti2015Stereo(root[, split, transforms])	来自 2015 立体评估基准 的 KITTI 数据集。
CREStereo(root[, transforms])	用于训练 CREStereo 架构的合成数据集。
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 低分辨率双视图 数据集。
Middlebury2014Stereo(root[, split, ...])	来自 Middlebury 数据集的公开场景，2014 版本 <https://vision.middlebury.edu/stereo/data/scenes2014/>。

图像对

LFWPairs(root, split, image_set, transform, ...)	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[, ...])	通用 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, ...])	一个通用的数据加载器。
ImageFolder(root, ~pathlib.Path], transform, ...)	一个通用数据加载器，默认情况下图像按此方式组织：。
VisionDataset([root, transforms, transform, ...])	用于创建与 torchvision 兼容的数据集的基类。

变换 v2

wrap_dataset_for_transforms_v2(dataset[, ...])

包装 torchvision.dataset 以便与 torchvision.transforms.v2 一起使用。