快捷方式

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)[source]

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][source]
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

文档

访问 PyTorch 的全面开发者文档

查看文档

教程

获取针对初学者和高级开发人员的深入教程

查看教程

资源

查找开发资源并获取问题解答

查看资源