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)

生成随机图像并将其作为 PIL 图像返回的假数据集

参数:

• size (int, optional) – 数据集的大小。默认值：1000 张图像

• image_size (tuple, optional) – 返回的图像大小。默认值：(3, 224, 224)

• num_classes (int, optional) – 数据集中的类别数量。默认值：10

• transform (callable, optional) – 一个函数/变换，接受 PIL 图像并返回变换后的版本。例如，transforms.RandomCrop

• target_transform (可调用对象, 可选) – 一个函数/变换，接受目标并对其进行变换。

• random_offset (int) – 偏移用于生成每张图像的基于索引的随机种子。默认值：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:

(image, target)，其中 target 是目标类的类索引。

返回类型:

元组