wrap_dataset_for_transforms_v2

torchvision.datasets.wrap_dataset_for_transforms_v2(dataset, target_keys=None)

為配合 torchvision.transforms.v2 的使用而封裝 torchvision.dataset。

示例

>>> dataset = torchvision.datasets.CocoDetection(...)
>>> dataset = wrap_dataset_for_transforms_v2(dataset)

注意

目前，僅支援最流行的資料集。此外，該封裝器僅支援 torchvision.transforms.v2 完全支援的資料集配置。如果您遇到要求您為所需的資料集或配置向 torchvision 提出 issue 的錯誤，請這樣做。

資料集樣本根據以下描述進行封裝。

特殊情況

• CocoDetection: 該封裝器返回一個列表字典，而不是返回目標作為字典列表。此外，添加了鍵值對 "boxes"（以 XYXY 座標格式）"masks" 和 "labels"，並封裝相應 torchvision.tv_tensors 中的資料。原始鍵保留。如果省略 target_keys，則僅返回 "image_id"、"boxes" 和 "labels" 的值。

• VOCDetection: 將鍵值對 "boxes" 和 "labels" 新增到目標中，並封裝相應 torchvision.tv_tensors 中的資料。原始鍵保留。如果省略 target_keys，則僅返回 "boxes" 和 "labels" 的值。

• CelebA: target_type="bbox" 的目標被轉換為 XYXY 座標格式，並封裝到 BoundingBoxes tv_tensor 中。

• Kitti: 該封裝器返回一個列表字典，而不是返回目標作為字典列表。此外，添加了鍵值對 "boxes" 和 "labels"，並封裝相應 torchvision.tv_tensors 中的資料。原始鍵保留。如果省略 target_keys，則僅返回 "boxes" 和 "labels" 的值。

• OxfordIIITPet: target_type="segmentation" 的目標被封裝到 Mask tv_tensor 中。

• Cityscapes: target_type="semantic" 的目標被封裝到 Mask tv_tensor 中。 target_type="instance" 的目標被 **替換** 為一個字典，其中包含鍵值對 "masks"（作為 Mask tv_tensor）和 "labels"。

• WIDERFace: 目標中鍵 "bbox" 的值被轉換為 XYXY 座標格式，並封裝到 BoundingBoxes tv_tensor 中。

影像分類資料集

對於影像分類資料集，該封裝器不起任何作用，因為它們已經得到了 torchvision.transforms 的完全支援，因此對於 torchvision.transforms.v2 也不需要任何更改。

分割資料集

分割資料集，例如 VOCSegmentation，返回一個由 PIL.Image.Image 組成的二元組。該封裝器保持影像不變（第一個元素），同時將分割掩碼封裝到 Mask（第二個元素）中。

影片分類資料集

影片分類資料集，例如 Kinetics，返回一個三元組，其中包含影片和音訊的 torch.Tensor 和標籤（int）。該封裝器將影片封裝到 Video 中，而保持其他元素不變。

注意

僅支援使用 output_format="TCHW" 構建的資料集，因為 output_format="THWC" 的替代格式不受 torchvision.transforms.v2 支援。

引數:

• dataset – 要封裝以相容 transforms v2 的資料集例項。

• target_keys – 當目標是字典時要返回的目標鍵。如果為 None（預設），則選定的鍵特定於資料集。如果為 "all"，則返回整個目標。也可以是字串集合，用於精細訪問。目前僅支援 CocoDetection、VOCDetection、Kitti 和 WIDERFace。請參閱上文了解詳情。

使用 wrap_dataset_for_transforms_v2 的示例

變換 v2：端到端目標檢測/分割示例

變換 v2：端到端目標檢測/分割示例

變換 v2 入門

變換 v2 入門