快捷方式

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>)[源码]

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][源码]
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)

文档

查阅 PyTorch 的完整开发者文档

查看文档

教程

获取针对初学者和高级开发者的深度教程

查看教程

资源

查找开发资源并获得解答

查看资源