torchvision¶
该库是 PyTorch 项目的一部分。PyTorch 是一个开源机器学习框架。
本文档中描述的功能按发布状态分类
稳定版: 这些功能将长期维护，通常不会存在重大性能限制或文档缺失。我们还期望保持向后兼容性（尽管可能会发生重大更改，并且会在发布前一个版本通知）。
测试版: 功能被标记为测试版，因为 API 可能根据用户反馈而更改，因为性能需要改进，或者因为对运算符的覆盖范围尚未完成。对于测试版功能，我们承诺将该功能一直维护到稳定版分类。但是，我们不承诺向后兼容性。
原型: 这些功能通常不作为 PyPI 或 Conda 等二进制发行版的一部分提供，除了有时在运行时标志后面，并且处于早期阶段以供反馈和测试。
torchvision 包包含用于计算机视觉的常用数据集、模型架构和常见图像变换。
- torchvision.get_video_backend()[source]¶
返回用于解码视频的当前活动视频后端。
- 返回:
视频后端的名称，可以是 {‘pyav’, ‘video_reader’} 之一。
- 返回类型:
- torchvision.set_image_backend(backend)[source]¶
指定用于加载图像的包。
- 参数:
backend (string) – 图像后端的名称，可以是 {‘PIL’, ‘accimage’} 之一。
accimage包使用 Intel IPP 库。它通常比 PIL 快，但不支持那么多操作。
- torchvision.set_video_backend(backend)[source]¶
指定用于解码视频的包。
- 参数:
backend (string) – 视频后端的名称，可以是 {‘pyav’, ‘video_reader’} 之一。
pyav包使用第三方 PyAv 库。它是 FFmpeg 库的 Python 绑定。video_reader包在 FFMPEG 库之上包含一个本机 C++ 实现，以及 TorchScript 自定义运算符的 python API。它通常比pyav解码速度更快，但可能不太健壮。
注意
在最新的 main 中，默认情况下禁用使用 FFMPEG 构建。如果你想使用 ‘video_reader’ 后端，请从源代码编译 torchvision。
使用
set_video_backend的示例
