FakeData

class torchvision.datasets.FakeData(size: int = 1000, image_size: Tuple[int, int, int] = (3, 224, 224), num_classes: int = 10, transform: Optional[Callable] = None, target_transform: Optional[Callable] = None, random_offset: int = 0)

一个虚假数据集，返回随机生成的图像，并将其作为 PIL 图像返回

参数：:

• size (int, 可选) – 数据集的大小。默认：1000 张图像

• image_size (元组, 可选) – 返回图像的大小。默认： (3, 224, 224)

• num_classes (int, 可选) – 数据集中的类别数。默认：10

• transform (可调用, 可选) – 一个函数/变换，它接受一个 PIL 图像并返回一个变换后的版本。例如，transforms.RandomCrop

• target_transform (可调用, 可选) – 一个函数/变换，它接受目标并对其进行变换。

• random_offset (int) – 偏移用于生成每个图像的基于索引的随机种子。默认：0

使用 FakeData 的示例

如何使用 CutMix 和 MixUp

如何使用 CutMix 和 MixUp

特殊成员：:

__getitem__(index: int) → Tuple[Any, Any]

参数：:

index (int) – 索引

返回：:

(image, target) 其中 target 是目标类的 class_index。

返回类型：:

元组