dataset pytorch

PyTorch 提供了许多内置的数据集，可以用于训练和评估模型。这些数据集可以通过 torchvision 库进行访问和加载。以下是一些常见的 PyTorch 数据集示例：

1. MNIST: 手写数字图像数据集。可以使用 `torchvision.datasets.MNIST` 加载。

from torchvision import datasets

train_dataset = datasets.MNIST(root='./data', train=True, download=True)
test_dataset = datasets.MNIST(root='./data', train=False, download=True)

2. CIFAR-10: 包含10个类别的彩色图像数据集。可以使用 `torchvision.datasets.CIFAR10` 加载。

from torchvision import datasets

train_dataset = datasets.CIFAR10(root='./data', train=True, download=True)
test_dataset = datasets.CIFAR10(root='./data', train=False, download=True)

3. ImageNet: 大型图像数据集，包含超过一百万张带有标签的图像。可以使用 `torchvision.datasets.ImageNet` 加载，但这需要额外的设置和准备工作。

from torchvision import datasets

# 示例代码仅展示了加载方式，实际使用需要额外配置
train_dataset = datasets.ImageNet(root='./data', split='train')
test_dataset = datasets.ImageNet(root='./data', split='val')

除了这些内置数据集，PyTorch 还提供了其他许多数据集，例如 COCO、VOC 等。此外，你也可以创建自己的自定义数据集，继承 `torch.utils.data.Dataset` 类并实现 `__len__` 和 `__getitem__` 方法。

希望这些信息对你有帮助！如果有任何其他问题，请随时提问。