torchvision

torchvision包包含用于计算机视觉的常用数据集、模型架构和常见图像转换。

安装

请参阅官方说明在您的系统上安装稳定版的torch和torchvision。

要从源码构建，请参阅我们的贡献页面。

以下是相应的torchvision版本和支持的Python版本。

图像后端

Torchvision目前支持以下图像后端：

• torch张量
• PIL图像：
  • Pillow
  • Pillow-SIMD - 一个速度快得多的Pillow替代品，支持SIMD。

更多信息请阅读我们的文档。

[不稳定] 视频后端

Torchvision目前支持以下视频后端：

• pyav（默认） - ffmpeg库的Python绑定。
• video_reader - 这需要安装ffmpeg并从源码构建torchvision。不应该安装任何冲突版本的ffmpeg。目前，这仅在Linux上支持。

conda install -c conda-forge 'ffmpeg<4.3'
python setup.py install

在C++中使用模型

请参阅example/cpp。

免责声明：libtorchvision库包含torchvision自定义操作以及大多数C++ torchvision API。这些API不提供任何向后兼容性保证，可能会在不同版本之间发生变化。只有Python API是稳定的并具有向后兼容性保证。因此，如果您需要在C++环境中保持稳定性，最佳选择是通过torchscript导出Python API。

文档

您可以在pytorch网站上找到API文档：https://pytorch.org/vision/stable/index.html

贡献

有关如何提供帮助，请参阅CONTRIBUTING文件。

数据集免责声明

这是一个下载和准备公共数据集的实用库。我们不托管或分发这些数据集，也不保证其质量或公平性，也不声称您有权使用这些数据集。您有责任确定是否有权根据数据集的许可使用该数据集。

如果您是数据集所有者，并希望更新其中的任何部分（描述、引用等），或不希望您的数据集包含在此库中，请通过GitHub问题与我们联系。感谢您对机器学习社区的贡献！

预训练模型许可

本库提供的预训练模型可能有自己的许可或条款和条件，这些许可或条款和条件源于用于训练的数据集。您有责任确定是否有权将这些模型用于您的用例。

更具体地说，SWAG模型是根据CC-BY-NC 4.0许可发布的。有关其他详细信息，请参阅SWAG许可。

引用TorchVision

如果您在工作中发现TorchVision有用，请考虑引用以下BibTeX条目：

@software{torchvision2016,
    title        = {TorchVision: PyTorch's Computer Vision library},
    author       = {TorchVision maintainers and contributors},
    year         = 2016,
    journal      = {GitHub repository},
    publisher    = {GitHub},
    howpublished = {\url{https://github.com/pytorch/vision}}
}