数据集包括下面给出的两种类型的大部分函数：

Transform：一个接收图像并返回标准内容的修改版本的函数。它们可以与转换组合在一起。

Target_transform：一个接受目标并对其进行转换的函数。例如，获取标题字符串并返回世界索引的张量。

常用模块：

1、MNIST

以下是Mnist DataSet的示例代码：

dset.MNIST(root, train = TRUE, transform = NONE, 
target_transform = None, download = FALSE)

参数如下：

• root：已处理数据所在的数据集的root目录。
• train：True =训练集，False =测试集。
• download：True =从互联网上下载数据集并将其放在root目录中。

2、COCO

COCO 是一个 大规模图像识别、分割和标注数据集，常用于目标检测、图像分割、图像字幕生成等任务。需要安装COCO API，示例使用PyTorch的数据集的COCO实现

import torchvision.dataset as dset
import torchvision.transforms as transforms
cap = dset.CocoCaptions(root = ‘dir where images are’, 
annFile = ’json annotation file’,
transform = transforms.ToTensor())
print(‘Number of samples: ‘, len(cap))
print(target)

实现的输出如下：

Number of samples: 82783
Image Size: (3L, 427L, 640L)

3、常见内置数据集（torchvision.datasets）