引數

• name — 資料集名稱，對於基於資料夾的資料集可以為空
• root — 資料集的根目錄（所有型別）
• split — 資料集劃分（所有型別）
• search_split — 從根目錄搜尋特定劃分的子資料夾，這樣就可以在命令列/配置中指定 `imagenet/` 而不是 `/imagenet/val` 等。（Folder、Torch 型別）
• class_map — 透過文字檔案或字典指定 類別 -> 索引 的對映。（Folder 型別）
• load_bytes — 載入資料，以未解碼的位元組形式返回影像。（Folder 型別）
• download — 如果資料集不存在且受支援，則下載資料集。（HFIDS、TFDS、Torch 型別）
• is_training — 在訓練模式下建立資料集，這與 `split` 不同。對於可迭代資料集/TFDS，它會啟用資料打亂；對於其他資料集，則忽略此引數。（TFDS、WDS、HFIDS 型別）
• batch_size — 可迭代資料集的批次大小提示。（TFDS、WDS、HFIDS 型別）
• seed — 可迭代資料集的隨機種子。（TFDS、WDS、HFIDS 型別）
• repeats — 每次迭代（即 epoch）中資料集的重複次數。（TFDS、WDS、HFIDS 型別）
• input_img_mode — 輸入影像的顏色轉換模式，例如 ‘RGB’、‘L’。（folder、TFDS、WDS、HFDS、HFIDS 型別）
• trust_remote_code — 如果為 True，則信任 Hugging Face Datasets 中的遠端程式碼。（HFDS、HFIDS 型別）
• **kwargs — 其他傳遞給底層 Dataset 和/或 Reader 類的引數

引數

• dataset — 要載入的影像資料集。
• input_size — 目標輸入尺寸，可以是（通道數, 高, 寬）元組或單個尺寸值。
• batch_size — 一個批次中的樣本數量。
• is_training — 返回訓練（隨機）變換。
• no_aug — 停用訓練時的資料增強（用於除錯）。
• re_prob — 隨機擦除的機率。
• re_mode — 隨機擦除的填充模式。
• re_count — 隨機擦除的區域數量。
• re_split — 控制隨機擦除在批次大小上的劃分。
• scale — 隨機調整大小的縮放範圍（裁剪區域，< 1.0 表示放大）。
• ratio — 隨機寬高比範圍（RRC 的裁剪比例，RKR 的比例調整因子）。
• hflip — 水平翻轉的機率。
• vflip — 垂直翻轉的機率。
• color_jitter — 隨機顏色抖動的分量因子（亮度、對比度、飽和度、色調）。單個標量值將被應用於 (標量,) * 3（不含色調）。
• color_jitter_prob — 如果不為 None，則以此機率應用顏色抖動（用於類似 SimCLR 的增強）
• grayscale_prob — 將影像轉換為灰度的機率（用於類似 SimCLR 的增強）。
• gaussian_blur_prob — 應用高斯模糊的機率（用於類似 SimCLR 的增強）。
• auto_augment — 自動增強配置字串（參見 auto_augment.py）。
• num_aug_repeats — 啟用特殊的取樣器，以便在分散式 GPU 之間重複相同的增強。
• num_aug_splits — 啟用可以將增強操作在批次中進行劃分的模式。
• interpolation — 影像插值模式。
• mean — 影像歸一化均值。
• std — 影像歸一化標準差。
• num_workers — 每個 DataLoader 的工作程序數量。
• distributed — 為分散式訓練啟用資料載入。
• crop_pct — 推理時的裁剪百分比（輸出尺寸 / 調整後尺寸）。
• crop_mode — 推理時的裁剪模式。可選值為 [‘squash’, ‘border’, ‘center’] 之一。當為 None 時，預設為 ‘center’。
• crop_border_pixels — 推理時在原始影像邊緣周圍裁剪指定畫素數的邊界。
• collate_fn — 覆蓋預設的 collate_fn。
• pin_memory — 為裝置傳輸鎖定記憶體。
• fp16 — 已棄用的引數，用於半精度輸入資料型別。請使用 img_dtype。
• img_dtype — 輸入影像的資料型別。
• device — 輸入和目標要傳輸到的裝置。
• use_prefetcher — 使用高效的預取器將樣本載入到裝置上。
• use_multi_epochs_loader —
• persistent_workers — 啟用持久的工作程序。
• worker_seeding — 控制工作程序在初始化時的隨機種子。
• tf_preprocessing — 使用 TF 1.0 的推理預處理，用於測試模型移植。

引數

• input_size — 目標輸入尺寸（通道、高度、寬度）元組或尺寸標量。
• is_training — 返回訓練（隨機）變換。
• no_aug — 停用訓練時的資料增強（便於除錯）。
• train_crop_mode — 訓練時隨機裁剪模式（“rrc”、“rkrc”、“rkrr”）。
• scale — 隨機調整大小的縮放範圍（裁剪區域，< 1.0 表示放大）。
• ratio — 隨機寬高比範圍（RRC 的裁剪比例，RKR 的比例調整因子）。
• hflip — 水平翻轉的機率。
• vflip — 垂直翻轉的機率。
• color_jitter — 隨機顏色抖動分量因子（亮度、對比度、飽和度、色相）。標量將作為 (scalar,) * 3 應用（無色相）。
• color_jitter_prob — 如果不為 None，則以此機率應用顏色抖動（用於類似 SimCLR 的增強）。
• grayscale_prob — 將影像轉換為灰度的機率（用於類似 SimCLR 的增強）。
• gaussian_blur_prob — 應用高斯模糊的機率（用於類似 SimCLR 的增強）。
• auto_augment — AutoAugment 配置字串（見 auto_augment.py）。
• interpolation — 影像插值模式。
• mean — 影像歸一化均值。
• std — 影像歸一化標準差。
• re_prob — 隨機擦除的機率。
• re_mode — 隨機擦除的填充模式。
• re_count — 隨機擦除的區域數量。
• re_num_splits — 控制隨機擦除在批次大小上的分割。
• crop_pct — 推理時裁剪百分比（輸出尺寸 / 調整後尺寸）。
• crop_mode — 推理時裁剪模式。可選值為 [‘squash’, ‘border’, ‘center’]。若為 None，則預設為 ‘center’。
• crop_border_pixels — 推理時在原始影像邊緣周圍裁剪指定畫素數的邊界。
• tf_preprocessing — 使用 TF 1.0 推理預處理來測試模型移植
• use_prefetcher — 啟用預取器。不將影像轉換為張量或進行歸一化。
• normalize — 使用提供的均值/標準差進行歸一化張量輸出（如果未使用預取器）。
• separate — 以三階段元組形式輸出變換。