wrap_dataset_for_transforms_v2¶
- torchvision.datasets.wrap_dataset_for_transforms_v2(dataset, target_keys=None)[source]¶
将
torchvision.dataset包装以用于torchvision.transforms.v2。示例
>>> dataset = torchvision.datasets.CocoDetection(...) >>> dataset = wrap_dataset_for_transforms_v2(dataset)
注意
目前，仅支持最流行的数据集。此外，包装器仅支持完全由
torchvision.transforms.v2支持的数据集配置。如果您遇到提示您为所需的数据集或配置向torchvision提交问题的错误，请这样做。数据集样本根据以下描述进行包装。
特殊情况：
CocoDetection: 该包装器不是将目标作为字典列表返回，而是返回一个列表字典。此外，键值对"boxes"（以XYXY坐标格式）、"masks"和"labels"被添加，并将数据包装在相应的torchvision.tv_tensors中。原始键被保留。如果省略target_keys，则仅返回"image_id"、"boxes"和"labels"的值。VOCDetection: 键值对"boxes"和"labels"被添加到目标中，并将数据包装在相应的torchvision.tv_tensors中。原始键被保留。如果省略target_keys，则仅返回"boxes"和"labels"的值。CelebA: 目标为target_type="bbox"被转换为XYXY坐标格式，并包装成BoundingBoxestv_tensor。Kitti: 包装器不是将目标作为字典列表返回，而是返回一个列表的字典。此外，添加了键值对"boxes"和"labels"，并将数据包装在相应的torchvision.tv_tensors中。原始键被保留。如果省略target_keys，则仅返回"boxes"和"labels"的值。OxfordIIITPet: 目标为target_type="segmentation"的内容被包装成一个Masktv_tensor。Cityscapes: 对于target_type="semantic"的目标，它被包装成一个Masktv_tensor。对于target_type="instance"的目标，它被替换为 一个包含键值对"masks"（作为Masktv_tensor）和"labels"的字典。WIDERFace: 目标中键"bbox"的值被转换为XYXY坐标格式，并包装成一个BoundingBoxestv_tensor。
图像分类数据集
这个包装器对于图像分类数据集来说是一个无操作，因为它们已经被
torchvision.transforms完全支持，因此对于torchvision.transforms.v2不需要任何更改。分割数据集
分割数据集，例如
VOCSegmentation，返回一个由两个PIL.Image.Image组成的元组。这个包装器保持图像不变（第一项），同时将分割掩码包装成一个Mask（第二项）。视频分类数据集
视频分类数据集，例如
Kinetics，返回一个包含视频和音频的torch.Tensor以及一个作为标签的int的三元组。此包装器将视频包装为视频，而其他项目保持不变。注意
仅支持使用
output_format="TCHW"构建的数据集，因为torchvision.transforms.v2不支持替代的output_format="THWC"。- Parameters:
dataset – 用于包装数据集实例以与transforms v2兼容。
target_keys – 如果目标是字典，则返回的目标键。如果为
None（默认值），则选择的键是特定于数据集的。如果为"all"，则返回完整目标。也可以是字符串集合，用于细粒度访问。目前仅支持CocoDetection、VOCDetection、Kitti和WIDERFace。详情请参见上文。
使用
wrap_dataset_for_transforms_v2的示例：
