示例代码
from torchvision import datasets, transforms
transform = transforms.Compose(
[transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,))]
)
train_dataset = datasets.MNIST(
root="./data", train=True, transform=transform, download=True
)
test_dataset = datasets.MNIST(
root="./data", train=False, transform=transform, download=True
)
print(train_dataset)
print(test_dataset)
torchvision数据集
图片分类
| 数据集 | 说明 |
| Caltech101 | 包含101个类别物体的图片。每个类别大约有40到800张图片。大多数类别大约有50张图片。 |
| Caltech256 | 包含256个对象类别、总计30607张图像的挑战性数据集。 |
| CelebA | 名人面部属性数据集，包含 200k+ 张人脸图像及 40 个属性（如眼镜、微笑等）。 |
| CIFAR10 | 10 类彩色图像（如飞机、猫、狗等），图像大小 32×32。 |
| CIFAR100 | 100 类彩色图像（如飞机、猫、狗等），图像大小 32×32。 |
| Country211 | The Country211 Data Set from OpenAI. |
| DTD | Describable Textures Dataset (DTD). |
| EMNIST | EMNIST Dataset. |
| EuroSAT | RGB version of the EuroSAT Dataset. |
| FakeData | A fake dataset that returns randomly generated images and returns them as PIL images |
| FashionMNIST | 替代 MNIST 的时尚单品数据集，包含 10 类服装/鞋包（如 T恤、裙子等），图像大小为 28×28 灰度。 |
| FER2013 | FER2013 Dataset. |
| FGVCAircraft | FGVC Aircraft Dataset. |
| Flickr8k | Flickr8k Entities Dataset. |
| Flickr30k | Flickr30k Entities Dataset. |
| Flowers102 | Oxford 102 Flower Dataset. |
| Food101 | The Food-101 Data Set. |
| GTSRB | German Traffic Sign Recognition Benchmark (GTSRB) Dataset. |
| INaturalist | iNaturalist Dataset. |
| ImageNet | 大规模图像分类数据集，包含 1000 个类别，图像分辨率不一。 |
| Imagenette | Imagenette image classification dataset. |
| KMNIST | Kuzushiji-MNIST Dataset. |
| LFWPeople | LFW Dataset. |
| LSUN | LSUN dataset. |
| MNIST | 手写数字数据集，包含 0-9 的灰度图像，图像大小为 28×28。 |
| Omniglot | 手写字符数据集，包含 50 种字母的 1,623 个字符，每个字符有 20 个手写样本。 |
| OxfordIIITPet | Oxford-IIIT Pet Dataset. |
| Places365 | Places365 classification dataset. |
| PCAM | PCAM Dataset. |
| QMNIST | QMNIST Dataset. |
| RenderedSST2 | The Rendered SST2 Dataset. |
| SEMEION | SEMEION Dataset. |
| SBU | SBU Captioned Photo Dataset. |
| StanfordCars | Stanford Cars Dataset |
| STL10 | 图像分类数据集，10 个类别，图像大小 96×96，支持无监督学习（提供未标注数据）。 |
| SUN397 | The SUN397 Data Set. |
| SVHN | 街景门牌号数据集，包含 0-9 的彩色数字图像，图像大小 32×32。 |
| USPS | USPS Dataset. |
图像检测和分割
| 数据集 | 说明 |
| CocoDetection | 大型通用数据集，包含目标检测、实例分割、关键点检测等标注，图像为自然场景。 |
| CelebA | 名人面部属性数据集，包含 200k+ 张人脸图像及 40 个属性（如眼镜、微笑等）。 |
| Cityscapes | 城市街景数据集，提供语义分割、实例分割标注。 |
| Kitti | 自动驾驶数据集，包含目标检测、光流、深度估计等多任务标注。 |
| OxfordIIITPet | Oxford-IIIT Pet Dataset. |
| SBDataset | Semantic Boundaries Dataset |
| VOCSegmentation | Pascal VOC Segmentation Dataset. |
| VOCDetection | Pascal VOC Detection Dataset. |
| WIDERFace | WIDERFace Dataset. |
光流
| 数据集 | 说明 |
| FlyingChairs | FlyingChairs Dataset for optical flow. |
| FlyingThings3D | FlyingThings3D dataset for optical flow. |
| HD1K | HD1K dataset for optical flow. |
| KittiFlow | KITTI dataset for optical flow (2015). |
| Sintel | Sintel Dataset for optical flow. |
立体匹配
| 数据集 | 说明 |
| CarlaStereo | Carla simulator data linked in the CREStereo github repo. |
| Kitti2012Stereo | KITTI dataset from the 2012 stereo evaluation benchmark. |
| Kitti2015Stereo | KITTI dataset from the 2015 stereo evaluation benchmark. |
| CREStereo | Synthetic dataset used in training the CREStereo architecture. |
| FallingThingsStereo | FallingThings dataset. |
| SceneFlowStereo | Dataset interface for Scene Flow datasets. |
| SintelStereo | Sintel Stereo Dataset. |
| InStereo2k | InStereo2k dataset. |
| ETH3DStereo | ETH3D Low-Res Two-View dataset. |
| Middlebury2014Stereo | Publicly available scenes from the Middlebury dataset //2014 version// |
图像对
| 数据集 | 说明 |
| LFWPairs | LFW Dataset. |
| PhotoTour | Multi-view Stereo Correspondence Dataset. |
图像描述
| 数据集 | 说明 |
| CocoCaptions | MS Coco Captions Dataset. |
视频分类
| 数据集 | 说明 |
| HMDB51 | HMDB51 dataset. |
| Kinetics | Generic Kinetics dataset. |
| UCF101 | UCF101 dataset. |
视频预测
| 数据集 | 说明 |
| MovingMNIST | MovingMNIST Dataset. |
torchtext数据集
文本分类
| 数据集 | 说明 |
| AG_NEWS | 新闻分类数据集，包含 4 个类别（世界、体育、商业、科技）。 |
| AmazonReviewFull | |
| AmazonReviewPolarity | |
| CoLA | 语言可接受性二分类数据集，判断句子是否符合语法。 |
| DBpedia | |
| IMDb | 电影评论情感分析数据集，包含 50,000 条带有正面或负面标签的影评文本。 |
| MNLI | |
| MRPC | |
| QNLI | |
| QQP | |
| RTE | |
| SogouNews | |
| SST2 | |
| STSB | |
| WNLI | |
| YahooAnswers | |
| YelpReviewFull | Yelp 用户评论数据集：二分类（正面/负面评价）。 |
| YelpReviewPolarity | Yelp 用户评论数据集：五分类（1-5 星评级）。 |
语言建模
| 数据集 | 说明 |
| PennTreebank | 经典语言建模数据集，包含经过标注的英文句子（已分词）。 |
| WikiText-2 | 维基百科文章数据集，用于语言建模。较小规模，包含约 1,000 万词。 |
| WikiText103 | 维基百科文章数据集，用于语言建模。大规模，包含约 1.03 亿词。 |
机器翻译
| 数据集 | 说明 |
| IWSLT2016 | |
| IWSLT2017 | |
| Multi30k | 多语言机器翻译数据集，包含英语、德语等语言的平行句对。 |
序列标注
| 数据集 | 说明 |
| CoNLL2000Chunking | |
| UDPOS | |
问题解答
| 数据集 | 说明 |
| SQuAD 1.0 | 阅读理解数据集，包含问题、文本段落及其答案片段。 |
| SQuAD 2.0 | 阅读理解数据集，包含问题、文本段落及其答案片段。 |
无监督学习
torchaudio数据集
| 数据集 | 说明 |
| CMUARCTIC | 语音合成数据集，包含 4 种语音风格（如 bdl 男声、slt 女声）。 |
| CMUDict | CMU Pronouncing Dictionary [Weide, 1998] (CMUDict) dataset. |
| COMMONVOICE | 多语言开源语音数据集（如英语、中文），包含多样化的说话人录音及文本。 |
| DR_VCTK | Device Recorded VCTK (Small subset version) [Sarfjoo and Yamagishi, 2018] dataset. |
| FluentSpeechCommands | Fluent Speech Commands [Lugosch et al., 2019] dataset |
| GTZAN | 音乐流派分类数据集，包含 10 类音乐（如摇滚、爵士），每类 100 条 30 秒片段。 |
| IEMOCAP | IEMOCAP [Busso et al., 2008] dataset. |
| LibriMix | LibriMix [Cosentino et al., 2020] dataset. |
| LIBRISPEECH | LibriSpeech [Panayotov et al., 2015] dataset. |
| LibriLightLimited | Subset of Libri-light [Kahn et al., 2020] dataset, which was used in HuBERT [Hsu et al., 2021] for supervised fine-tuning. |
| LIBRITTS | 高质量语音合成数据集，基于 LibriSpeech 的文本生成自然语音。 |
| LJSPEECH | LJSpeech-1.1 [Ito and Johnson, 2017] dataset. |
| MUSDB_HQ | MUSDB_HQ [Rafii et al., 2019] dataset. |
| QUESST14 | 语音检索数据集，用于跨语言关键词搜索任务。 |
| Snips | Snips [Coucke et al., 2018] dataset. |
| SPEECHCOMMANDS | 短语音指令数据集，包含 35 种英文单词（如 "yes", "no", "stop"），采样率 16kHz。 |
| TEDLIUM | TED 演讲录音数据集，包含高质量英文演讲及转录文本。 |
| VCTK_092 | VCTK 0.92 [Yamagishi et al., 2019] dataset |
| VoxCeleb1Identification | 大规模说话人识别数据集，包含名人采访视频的音频片段。 |
| VoxCeleb1Verification | 大规模说话人识别数据集，包含名人采访视频的音频片段。 |
| YESNO | 希伯来语 "yes" 和 "no" 的录音数据集，每个音频包含 8 个单词序列。 |