参数

• name — 数据集名称，对于基于文件夹的数据集，可以为空
• root — 数据集的根文件夹 (全部)
• split — 数据集拆分 (全部)
• search_split — 从根目录搜索特定拆分的子文件夹，因此可以在命令行/配置中指定 imagenet/ 而不是 /imagenet/val 等。(文件夹, Torch)
• class_map — 通过文本文件或字典指定 class -> index 映射 (文件夹)
• load_bytes — 加载数据，将图像作为未解码的字节返回 (文件夹)
• download — 如果数据集不存在且受支持，则下载数据集 (HFIDS, TFDS, Torch)
• is_training — 在训练模式下创建数据集，这与拆分不同。对于 Iterable / TDFS，它启用 shuffle，对于其他数据集则忽略。(TFDS, WDS, HFIDS)
• batch_size — 可迭代数据集的批大小提示 (TFDS, WDS, HFIDS)
• seed — 可迭代数据集的种子 (TFDS, WDS, HFIDS)
• repeats — 每个迭代的数据集重复次数，即 epoch (TFDS, WDS, HFIDS)
• input_img_mode — 输入图像颜色转换模式，例如 ‘RGB’, ‘L’ (文件夹, TFDS, WDS, HFDS, HFIDS)
• trust_remote_code — 如果为 True，则信任 Hugging Face Datasets 中的远程代码 (HFDS, HFIDS)
• **kwargs — 传递给底层 Dataset 和/或 Reader 类的其他参数

参数

• dataset — 要加载的图像数据集。
• input_size — 目标输入大小（通道、高度、宽度）元组或大小标量。
• batch_size — 批次中的样本数。
• is_training — 返回训练（随机）变换。
• no_aug — 禁用训练时的数据增强（用于调试很有用）。
• re_prob — 随机擦除概率。
• re_mode — 随机擦除填充模式。
• re_count — 随机擦除区域的数量。
• re_split — 控制随机擦除在批次大小上的分割。
• scale — 随机调整大小比例范围 (裁剪区域，< 1.0 => 放大)。
• ratio — 随机纵横比范围 (RRC 的裁剪比率，RKR 的比率调整因子)。
• hflip — 水平翻转概率。
• vflip — 垂直翻转概率。
• color_jitter — 随机颜色抖动分量因子 (亮度、对比度、饱和度、色调)。标量应用为 (标量,) * 3 (无色调)。
• color_jitter_prob — 应用颜色抖动的概率，如果不是 None (对于类似 SimlCLR 的增强)。
• grayscale_prob — 将图像转换为灰度图像的概率 (对于类似 SimCLR 的增强)。
• gaussian_blur_prob — 应用高斯模糊的概率 (对于类似 SimCLR 的增强)。
• auto_augment — 自动增强配置字符串 (参见 auto_augment.py)。
• num_aug_repeats — 启用特殊采样器以在分布式 GPU 上重复相同的增强。
• num_aug_splits — 启用增强可以跨批次分割的模式。
• interpolation — 图像插值模式。
• mean — 图像归一化均值。
• std — 图像归一化标准差。
• num_workers — 每个 DataLoader 的工作进程数。
• distributed — 启用分布式训练的数据加载。
• crop_pct — 推理裁剪百分比 (输出大小 / 调整大小)。
• crop_mode — 推理裁剪模式。选项为 [‘squash’, ‘border’, ‘center’] 之一。默认为 None 时，使用 ‘center’。
• crop_border_pixels — 推理裁剪边框，指定原始图像边缘周围的像素数量。
• collate_fn — 覆盖默认的 collate_fn。
• pin_memory — 锁定内存以进行设备传输。
• fp16 — 已弃用的半精度输入 dtype 参数。请使用 img_dtype。
• img_dtype — 输入图像的数据类型。
• device — 将输入和目标传输到的设备。
• use_prefetcher — 使用高效的预取器将样本加载到设备上。
• use_multi_epochs_loader —
• persistent_workers — 启用持久工作进程。
• worker_seeding — 控制工作进程在初始化时的随机种子。
• tf_preprocessing — 使用 TF 1.0 推理预处理来测试模型端口。

参数

• input_size — 目标输入尺寸（通道, 高度, 宽度）元组或尺寸标量。
• is_training — 返回训练（随机）变换。
• no_aug — 禁用训练时的数据增强（用于调试很有用）。
• train_crop_mode — 训练随机裁剪模式（‘rrc’, ‘rkrc’, ‘rkrr’）。
• scale — 随机调整大小的比例范围（裁剪区域，< 1.0 => 放大）。
• ratio — 随机宽高比范围（RRC 的裁剪比例，RKR 的比例调整因子）。
• hflip — 水平翻转概率。
• vflip — 垂直翻转概率。
• color_jitter — 随机颜色抖动分量因子（亮度、对比度、饱和度、色调）。标量应用为 (标量,) * 3 (无色调)。
• color_jitter_prob — 如果不为 None，则以此概率应用颜色抖动（用于类似 SimlCLR 的增强）。
• grayscale_prob — 将图像转换为灰度图的概率（用于类似 SimCLR 的增强）。
• gaussian_blur_prob — 应用高斯模糊的概率（用于类似 SimCLR 的增强）。
• auto_augment — 自动增强配置字符串（参见 auto_augment.py）。
• interpolation — 图像插值模式。
• mean — 图像归一化均值。
• std — 图像归一化标准差。
• re_prob — 随机擦除概率。
• re_mode — 随机擦除填充模式。
• re_count — 随机擦除区域的数量。
• re_num_splits — 控制跨批次大小的随机擦除分割。
• crop_pct — 推理裁剪百分比（输出尺寸/调整大小尺寸）。
• crop_mode — 推理裁剪模式。选项为 [‘squash’, ‘border’, ‘center’] 之一。默认为 None 时，则为 ‘center’。
• crop_border_pixels — 推理裁剪边框，指定原始图像边缘周围的像素数。
• tf_preprocessing — 使用 TF 1.0 推理预处理来测试模型端口
• use_prefetcher — 启用预取器。不将图像转换为张量或进行归一化。
• normalize — 使用提供的均值/标准差进行归一化张量输出（如果未使用预取器）。
• separate — 在 3 阶段元组中输出变换。