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]

一个返回随机生成图像的假数据集,并将其作为 PIL 图像返回

参数:
  • size (int, optional) – 数据集的大小。默认为 1000 张图像

  • image_size (tuple, optional) – 返回图像的大小。默认为 (3, 224, 224)

  • num_classes (int, optional) – 数据集中的类别数量。默认为 10

  • transform (callable, optional) – 一个函数/变换,接收 PIL 图像并返回变换后的版本。例如,transforms.RandomCrop

  • target_transform (callable, optional) – 一个函数/变换,接收目标并对其进行变换。

  • random_offset (int) – 用于生成每张图像的基于索引的随机种子的偏移量。默认为 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

返回值:

(image, target),其中 target 是目标类别的 class_index。

返回类型:

tuple

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者的深入教程

查看教程

资源

查找开发资源并获得问题解答

查看资源