数据集训练测试

class torchhd.datasets.DatasetTrainTest(root: str, train: bool = True, hyper_search: bool = False, transform: Callable | None = None, target_transform: Callable | None = None, download: bool = False)[来源]

用于加载具有单独训练和测试数据文件的数据集的通用类，这些文件在我们是否需要数百个分类器来解决现实世界中的分类问题？中使用。

Parameters:

  • root (string) – 包含数据集文件的根目录。

  • train (bool, optional) – 如果为True，则从存储训练数据的文件中返回训练（子）集，具体由hyper_search变量进一步确定。 否则，如果执行超参数搜索（hyper_search = True），则返回训练数据集的子集；如果没有执行（hyper_search = False），则返回测试集。

  • hyper_search (bool, optional) – 如果为True，则使用conxuntos.dat中的索引创建数据集。此分割用于超参数搜索。第一行对应于训练索引（在train = True时使用），而第二行对应于测试索引（在train = False时使用）。

  • transform (callable, optional) – 一个函数/转换，它接收一个 torch.FloatTensor 并返回一个转换后的版本。

  • target_transform (callable, optional) – 一个函数/转换，它接收目标并对其进行转换。

  • 下载 (布尔型, 可选) – 如果为True，则从互联网下载数据集并将其放置在根目录中。如果数据集已经下载，则不会再次下载。

Special-members:

__getitem__(index: int) → Tuple[FloatTensor, LongTensor]
Parameters:

index (int) – 索引

Returns:

(sample, target) 其中 target 是目标类的索引

Return type:

元组[torch.FloatTensor, torch.LongTensor]