Food101

class torchvision.datasets.Food101(root: ~typing.Union[str, ~pathlib.Path], split: str = 'train', transform: ~typing.Optional[~typing.Callable] = None, target_transform: ~typing.Optional[~typing.Callable] = None, download: bool = False, loader: ~typing.Callable[[~typing.Union[str, ~pathlib.Path]], ~typing.Any] = <function default_loader>)

Food-101 数据集.

Food-101 是一个具有挑战性的数据集，包含 101 种食物类别，共 101,000 张图像。对于每个类别，提供了 250 张人工审查的测试图像以及 750 张训练图像。训练图像特意未经清理，因此仍包含一定量的噪声。这主要表现为强烈的色彩和有时错误的标签。所有图像均已重新缩放，最大边长为 512 像素。

参数：

• root (str or pathlib.Path) – 数据集的根目录。

• split (string, optional) – 数据集拆分，支持 "train"（默认）和 "test"。

• transform (callable, optional) – 一个函数/转换，它接收 PIL 图像或 torch.Tensor（取决于给定的加载器），并返回一个转换后的版本。例如，transforms.RandomCrop

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

• download (bool, optional) – 如果为 True，则从互联网下载数据集并将其放在根目录中。如果数据集已经下载，则不会再次下载。默认值为 False。

• loader (callable, optional) – 一个函数，根据图像路径加载图像。默认情况下，它使用 PIL 作为图像加载器，但用户也可以传入 torchvision.io.decode_image 以直接将图像数据解码为张量。

特殊成员：

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

参数：

index (int) – 索引

返回：

样本和元数据，可选择通过相应的转换进行转换。

返回类型：

(Any)