Pytorch：torchvision.datasets

中文文档：https://ptorch.com/docs/8/torch-torchvision

torchvision包括了目前流行的数据集，模型结构和常用的图片转换工具，是PyTorch中专门用来处理图像的库。这个包中有四个大类：

• torchvision.datasets
• torchvision.models
• torchvision.transforms
• torchvision.utils

所有数据集都是torch.utils.data.Dataset的子类， 即它们具有getitem和len实现方法。它们可以传递给torch.utils.data.DataLoader，工作人员可以使用torch.multiprocessing并行加载多个样本的数据。例如：

imagenet_data = torchvision.datasets.ImageFolder('path/to/imagenet_root/')
data_loader = torch.utils.data.DataLoader(imagenet_data,
                                          batch_size=4,
                                          shuffle=True,
                                          num_workers=args.nThreads)

所有的数据集都有几乎相似的API。他们都有两个共同的参数：transform 和 target_transform 分别转换输入和目标。

1 torchvision.datasets

torchvision.datasets 是用来进行数据加载的，这个包中提前处理好了很多图片数据集。

• MNIST
• COCO（用于图像标注和目标检测）(Captioning and Detection)
• LSUN Classification
• ImageFolder
• Imagenet-12
• CIFAR10 and CIFAR100
• STL10
• SVHN
• PhotoTour

1.1 MNIST

下载MNIST数据集，代码如下：

import torchvision

# 下载训练集
train_data = torchvision.datasets.MNIST(
    root='path', 
    train=True, 
    transform=None, 
    target_transform=True, 
    download=False,
)
# 下载测试集
test_data = torchvision.datasets.MNIST(
    root='path', 
    train=False, 
    transform=None, 
    target_transform=True, 
    download=False,
)

参数说明:

• root：数据集，存在于根目录processed/training.pt 和 processed/test.pt中。
• train：True = 训练集，False = 测试集
• download：如果为true，请从Internet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。
• transform：接收PIL映像并返回转换版本的函数/变换。例如：transform.RandomCrop
• target_transform：一个接收目标并转换它的函数/变换。