怎么将torchvision.datasets.OxfordIIITPet数据集随机打乱
时间: 2023-02-16 11:38:51 浏览: 100
可以使用 torch.utils.data.DataLoader 加载 OxfordIIITPet 数据集,并在创建 DataLoader 时将 shuffle 参数设置为 True。示例代码如下:
```
from torchvision import datasets
from torch.utils.data import DataLoader
data_set = datasets.OxfordIIITPet(root, split='train', download=True)
dataloader = DataLoader(data_set, shuffle=True, batch_size=32, num_workers=4)
```
这样每次遍历dataloader时都会将数据打乱.
相关问题
torchvision.datasets中所有的数据集
torchvision.datasets 中包含了许多常用的数据集,主要包括:
- MNIST:手写数字图片数据集。
- Fashion-MNIST:服装图片数据集。
- CIFAR-10:10 类物体图片数据集。
- CIFAR-100:100 类物体图片数据集。
- ImageNet:庞大的图片数据集,包含超过 1000 个分类。
- COCO:通用物体和场景数据集,用于目标检测、分割和关键点检测等任务。
- VOC:视觉对象类别数据集,用于目标检测、分割和关键点检测等任务。
- Cityscapes:城市街景分割数据集。
- SBD:语义二进制数据集,用于语义分割任务。
- LSUN:大规模场景识别数据集。
- SVHN:街景房屋号码数据集。
- CelebA:名人脸部属性数据集。
- Kinetics:大规模视频分类数据集。
以上仅列举了部分数据集,torchvision.datasets 中还包括其他数据集,具体可参考官方文档。
torchvision.datasets都有哪些数据集,怎么调用
torchvision.datasets中包含了多个常用的数据集,包括:
- MNIST
- FashionMNIST
- COCO
- VOC
- Cityscapes
- ImageNet
- CIFAR10/100
- STL10
- SVHN
- UC Merced
调用这些数据集非常简单,只需要在代码中导入相应的数据集模块,然后使用相应的函数就可以了。以MNIST数据集为例,代码如下:
```python
from torchvision import datasets
# 下载MNIST数据集
train_set = datasets.MNIST('./data', train=True, download=True)
# 加载MNIST数据集
train_loader = torch.utils.data.DataLoader(train_set, batch_size=64, shuffle=True)
```
这段代码首先使用datasets.MNIST函数下载MNIST数据集,然后使用torch.utils.data.DataLoader加载数据集。具体的参数可以根据需要进行修改。其他数据集的调用方法类似,只需要将MNIST替换成其他数据集名称即可。