pytorch 数据集

PyTorch提供了一个名为`torchvision.datasets`的模块，其中包含许多常见的数据集，可以用于训练和测试深度学习模型。一些常见的PyTorch数据集包括：

1. MNIST：手写数字图像数据集。
2. CIFAR-10和CIFAR-100：包含10个和100个不同类别的彩色图像数据集。
3. ImageNet：一个庞大的图像数据集，包含超过100万张高分辨率图像，用于图像分类任务。
4. COCO：通用对象识别、分割和标注数据集。
5. CelebA：包含名人脸图像的数据集。
6. STL-10：包含10个类别的图像数据集。
7. SVHN：手写数字图像数据集，用于街道地址号码识别。

这些数据集可以通过`torchvision.datasets`模块中的相应函数进行下载和加载。你可以使用这些数据集来训练和评估你的深度学习模型。