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。

相关问题

torchvision.datasets有什么数据集

torchvision.datasets是一个PyTorch中的模块，用于加载和处理常用的计算机视觉数据集。其中包括以下数据集：

1. MNIST：手写数字图片数据集
2. Fashion-MNIST：时尚服装图片数据集
3. CIFAR-10和CIFAR-100：10类和100类物体图片数据集
4. COCO：对象检测、分割和关键点检测数据集
5. ImageNet：大规模图像分类数据集
6. LSUN：场景分类数据集
7. SVHN：街景数字图片数据集
8. STL-10：10类物体图片数据集
9. PhotoTour：6种城市景观图片数据集
10. SBD：Semantic Boundaries Dataset，语义分割数据集

还有一些其他的数据集，可以在torchvision.datasets模块中查看。

怎么将torchvision.datasets.OxfordIIITPet数据集随机打乱

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.