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 张经过手动审查的测试图像以及 750 张训练图像。训练图像有意没有进行清理，因此仍包含一定量的噪声。这主要表现为强烈的颜色，有时还有错误的标签。所有图像都已重新缩放，使最大边长为 512 像素。

参数:

• root (str 或 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/变换，接收 PIL 图像或 torch.Tensor，取决于提供的加载器，并返回一个变换后的版本。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。

• 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。如果数据集已下载，则不会再次下载。默认为 False。

• loader (callable, optional) – 一个加载器函数，用于根据图像路径加载图像。默认情况下，它使用 PIL 作为其图像加载器，但用户也可以传递 torchvision.io.decode_image 来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，可通过相应的变换进行可选变换。

返回类型:

(任何)