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]

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