torch深度学习用图像和视频数据集和模型

项目描述

torchvision

torchvision 包包含计算机视觉领域流行的数据集、模型架构和常见图像变换。

安装

请参考官方说明，在您的系统上安装 torch 和 torchvision 的稳定版本。

要构建源代码，请参考我们的贡献页面。

以下是相应的 torchvision 版本和支持的 Python 版本。

`torch`	`torchvision`	Python
`main` / `nightly`	`main` / `nightly`	`>=3.8`, `<=3.12`
`2.3`	`0.18`	`>=3.8`, `<=3.12`
`2.2`	`0.17`	`>=3.8`, `<=3.11`
`2.1`	`0.16`	`>=3.8`, `<=3.11`
`2.0`	`0.15`	`>=3.8`, `<=3.11`

旧版本

`torch`	`torchvision`	Python
`1.13`	`0.14`	`>=3.7.2`, `<=3.10`
`1.12`	`0.13`	`>=3.7`, `<=3.10`
`1.11`	`0.12`	`>=3.7`, `<=3.10`
`1.10`	`0.11`	`>=3.6`, `<=3.9`
`1.9`	`0.10`	`>=3.6`, `<=3.9`
`1.8`	`0.9`	`>=3.6`, `<=3.9`
`1.7`	`0.8`	`>=3.6`, `<=3.9`
`1.6`	`0.7`	`>=3.6`, `<=3.8`
`1.5`	`0.6`	`>=3.5`, `<=3.8`
`1.4`	`0.5`	`==2.7`, `>=3.5`, `<=3.8`
`1.3`	`0.4.2` / `0.4.3`	`==2.7`, `>=3.5`, `<=3.7`
`1.2`	`0.4.1`	`==2.7`, `>=3.5`, `<=3.7`
`1.1`	`0.3`	`==2.7`, `>=3.5`, `<=3.7`
`<=1.0`	`0.2`	`==2.7`, `>=3.5`, `<=3.7`

图像后端

torchvision 当前支持以下图像后端

torch 矩阵
PIL 图像
- Pillow
- Pillow-SIMD - 一个使用 SIMD 的 更快的 Pillow 替代品。

更多详情请参阅我们的文档。

[不稳定] 视频后端

torchvision 当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 并且从源代码构建 torchvision。不应安装任何冲突的 ffmpeg 版本。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

请参考示例/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 不提供向后兼容性保证，并且可能会随版本变化。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，最好的方法是使用 torchscript 导出 Python API。

文档

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

贡献

有关如何帮助的详细信息，请参阅CONTRIBUTING 文件。

关于数据集的免责声明

这是一个实用程序库，用于下载和准备公共数据集。我们不托管或分发这些数据集，也不对其质量或公平性作出保证，也不声称您有权使用数据集。确定您是否可以使用数据集的许可权是您的责任。

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

预训练模型许可

此库中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是从用于训练的数据集中派生的。您有责任确定您是否有权根据数据集的许可使用模型。

具体来说，SWAG 模型是在 CC-BY-NC 4.0 许可下发布的。有关更多详细信息，请参阅SWAG 许可证。

引用 TorchVision

如果您在工作中发现 TorchVision 很有用，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}}
}

项目详情

发布历史发布通知 | RSS 源

此版本

0.19.1

2024年9月4日

0.19.0

2024年7月24日

0.18.1

2024年6月5日

0.18.0

2024年4月24日

0.17.2

2024年3月27日

0.17.1

2024年2月22日

0.17.0

2024年1月30日

0.16.2

2023年12月14日

0.16.1

2023年11月15日

0.16.0

2023年10月4日

0.15.2

2023年5月8日

0.15.1

2023年3月15日

0.15.0 已撤回

2023年3月15日

此版本被撤回的原因

包含错误的 torch 依赖项

0.14.1

2022年12月15日

0.14.0

2022年10月28日

0.13.1

2022年8月5日

0.13.0

2022年6月28日

0.12.0

2022年3月10日

0.11.3

2022年1月27日

0.11.2

2021年12月15日

0.11.1

2021年10月21日

0.11.0 已撤销

2021年10月21日

此版本被撤回的原因

依赖问题，依赖于一个在pypi上不存在的torch版本

0.10.1

2021年9月20日

0.10.0

2021年6月15日

0.9.1

2021年3月25日

0.9.0

2021年3月4日

0.8.2

2020年12月10日

0.8.1

2020年10月27日

0.8.0

2020年10月27日

0.7.0

2020年7月28日

0.6.1

2020年6月18日

0.6.0

2020年4月21日

0.5.0

2020年1月15日

0.4.2

2019年11月7日

0.4.1.post2

2019年10月22日

0.4.1

2019年10月10日

0.4.0

2019年8月8日

0.3.0

2019年5月22日

0.2.2.post3 已撤销

2019年3月1日

此版本被撤回的原因

以免用户在使用python 3.11时意外安装此版本

0.2.2.post2 已撤销

2019年2月28日

此版本被撤回的原因

以免用户在使用python 3.11时意外安装此版本

0.2.2 已撤销

2019年2月27日

此版本被撤回的原因

以免用户在使用python 3.11时意外安装此版本

0.2.1 已撤销

2018年4月24日

此版本被撤回的原因

以免用户在使用python 3.11时意外安装此版本

0.2.0 已撤销

2017年12月5日

此版本被撤回的原因

以免用户在使用python 3.11时意外安装此版本

0.1.9 已撤销

2017年8月6日

此版本被撤回的原因

以免用户在使用python 3.11时意外安装此版本

0.1.8 已撤销

2017年3月29日

此版本被撤回的原因

以免用户在使用python 3.11时意外安装此版本

0.1.7 已撤销

2017年1月19日

此版本被撤回的原因

以免用户在使用python 3.11时意外安装此版本

0.1.6 已撤销

2017年1月18日

此版本被撤回的原因

0.1.6已过支持日期，并使用户在不支持的平台上的使用感到困惑

下载文件

下载适用于您平台的文件。如果您不确定选择哪一个，请了解更多关于安装包的信息。

源代码分发

此版本没有提供源代码分发文件。请参阅生成分发存档的教程。

构建分发

torchvision-0.19.1-cp312-cp312-win_amd64.whl (1.3 MB 查看哈希值)

上传日期 2024年9月4日 CPython 3.12 Windows x86-64

torchvision-0.19.1-cp312-cp312-manylinux2014_aarch64.whl (14.1 MB 查看哈希值)

上传日期 2024年9月4日 CPython 3.12

torchvision-0.19.1-cp312-cp312-manylinux1_x86_64.whl (7.0 MB 查看哈希值)

上传日期 2024年9月4日 CPython 3.12

torchvision-0.19.1-cp312-cp312-macosx_11_0_arm64.whl (1.7 MB 查看哈希值)

上传日期 2024年9月4日 CPython 3.12 macOS 11.0+ ARM64

torchvision-0.19.1-cp311-cp311-win_amd64.whl (1.3 MB 查看哈希值)

上传日期 2024年9月4日 CPython 3.11 Windows x86-64

torchvision-0.19.1-cp311-cp311-manylinux2014_aarch64.whl (14.1 MB 查看哈希值)

上传日期 2024年9月4日 CPython 3.11

torchvision-0.19.1-cp311-cp311-manylinux1_x86_64.whl (7.0 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.11

torchvision-0.19.1-cp311-cp311-macosx_11_0_arm64.whl (1.7 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.11 macOS 11.0+ ARM64

torchvision-0.19.1-cp310-cp310-win_amd64.whl (1.3 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.10 Windows x86-64

torchvision-0.19.1-cp310-cp310-manylinux2014_aarch64.whl (14.1 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.10

torchvision-0.19.1-cp310-cp310-manylinux1_x86_64.whl (7.0 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.10

torchvision-0.19.1-cp310-cp310-macosx_11_0_arm64.whl (1.7 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.10 macOS 11.0+ ARM64

torchvision-0.19.1-cp39-cp39-win_amd64.whl (1.3 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.9 Windows x86-64

torchvision-0.19.1-cp39-cp39-manylinux2014_aarch64.whl (1.7 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.9

torchvision-0.19.1-cp39-cp39-manylinux1_x86_64.whl (7.0 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.9

torchvision-0.19.1-cp39-cp39-macosx_11_0_arm64.whl (1.7 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.9 macOS 11.0+ ARM64

torchvision-0.19.1-cp38-cp38-win_amd64.whl (1.3 MB 查看哈希值)

上传时间：2024年9月4日 CPython 3.8 Windows x86-64

torchvision-0.19.1-cp38-cp38-manylinux2014_aarch64.whl (14.1 MB 查看哈希值)

上传时间 2024年9月4日 CPython 3.8

torchvision-0.19.1-cp38-cp38-manylinux1_x86_64.whl (7.0 MB 查看哈希值)

上传时间 2024年9月4日 CPython 3.8

torchvision-0.19.1-cp38-cp38-macosx_11_0_arm64.whl (1.7 MB 查看哈希值)

上传时间 2024年9月4日 CPython 3.8 macOS 11.0+ ARM64

torchvision-0.19.1-cp312-cp312-win_amd64.whl 的哈希值

torchvision-0.19.1-cp312-cp312-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`b4283d283675556bb0eae31d29996f53861b17cbdcdf3509e6bc050414ac9289`
MD5	`69817930eb355ad666e43b578dcc02cb`
BLAKE2b-256	`6bb2fd577e1622b43cdeb74782a60cea4909f88f471813c215ea7b4e7ea84a74`

torchvision-0.19.1-cp312-cp312-manylinux2014_aarch64.whl 的哈希值

torchvision-0.19.1-cp312-cp312-manylinux2014_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`c07bf43c2a145d792ecd9d0503d6c73577147ece508d45600d8aac77e4cdfcf9`
MD5	`7ca4ea4779ad9b4f8d1cba512e9b7604`
BLAKE2b-256	`dab29da42d67dfc30d9e3b161f7a37f6c7eca86a80e6caef4a9aa11727faa4f5`

torchvision-0.19.1-cp312-cp312-manylinux1_x86_64.whl 的哈希值

torchvision-0.19.1-cp312-cp312-manylinux1_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`c659ff92a61f188a1a7baef2850f3c0b6c85685447453c03d0e645ba8f1dcc1c`
MD5	`c7031d6ccb8d5c2cdec6c2f963b12179`
BLAKE2b-256	`8b34fdd2d9e01228a069b28473a7c020bf1812c8ecab8565666feb247659ed30`

torchvision-0.19.1-cp312-cp312-macosx_11_0_arm64.whl 的哈希值

torchvision-0.19.1-cp312-cp312-macosx_11_0_arm64.whl 的哈希值
算法	哈希摘要
SHA256	`27ece277ff0f6cdc7fed0627279c632dcb2e58187da771eca24b0fbcf3f8590d`
MD5	`412ef956ff56117fb515b310b6c338c4`
BLAKE2b-256	`a4d0b1029ab95d9219cac2dfc0d835e9ab4cebb01f5cb6b48e736778020fb995`

torchvision-0.19.1-cp311-cp311-win_amd64.whl 的哈希值

torchvision-0.19.1-cp311-cp311-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`70dea324174f5e9981b68e4b7cd524512c106ba64aedef560a86a0bbf2fbf62c`
MD5	`d12af03b8710b11728b4a7eddf983309`
BLAKE2b-256	`f869dc769cf54df8e828c0b8957b4521f35178f5bd4cc5b8fbe8a37ffd89a27c`

torchvision-0.19.1-cp311-cp311-manylinux2014_aarch64.whl 的哈希值

torchvision-0.19.1-cp311-cp311-manylinux2014_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`d71a6a6fe3a5281ca3487d4c56ad4aad20ff70f82f1d7c79bcb6e7b0c2af00c8`
MD5	`9dfe361dc687403d77fa70d2e4f33a17`
BLAKE2b-256	`360436e1d35b864f4a7c8f3056a427542b14b3bcdbc66edd36faadee109b86c5`

torchvision-0.19.1-cp311-cp311-manylinux1_x86_64.whl 的哈希值

torchvision-0.19.1-cp311-cp311-manylinux1_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`5a91be061ae5d6d5b95e833b93e57ca4d3c56c5a57444dd15da2e3e7fba96050`
MD5	`8f842f8d34a8d8516894cc1b5945be8d`
BLAKE2b-256	`289d40d1b943bbbd02a30d6b4f691d6de37a7e4c92f90bed0f8f47379e90eec6`

torchvision-0.19.1-cp311-cp311-macosx_11_0_arm64.whl 的哈希值

torchvision-0.19.1-cp311-cp311-macosx_11_0_arm64.whl 的哈希值
算法	哈希摘要
SHA256	`40514282b4896d62765b8e26d7091c32e17c35817d00ec4be2362ea3ba3d1787`
MD5	`2c7a8e3cfc5eea3d0a32700ff62db96a`
BLAKE2b-256	`66f6a2f07a3f5385b37c45b8e14448b8610a8618dfad18ea437cb23b4edc50c5`

torchvision-0.19.1-cp310-cp310-win_amd64.whl 的哈希值

torchvision-0.19.1-cp310-cp310-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`f40b6acabfa886da1bc3768f47679c61feee6bde90deb979d9f300df8c8a0145`
MD5	`ca9640d6870d52a3961962e9b82d908f`
BLAKE2b-256	`f78ecbae11f8046d433881b478afc9e7589a76158124779cbc3a40163ec716bf`

哈希值用于 torchvision-0.19.1-cp310-cp310-manylinux2014_aarch64.whl

用于 torchvision-0.19.1-cp310-cp310-manylinux2014_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`7b063116164be52fc6deb4762de7f8c90bfa3a65f8d5caf17f8e2d5aadc75a04`
MD5	`742478a840c17250864fcbece0b670a0`
BLAKE2b-256	`db71da0f71c2765feee125b1dc280a6432aa88c510aedf9a36987f3fe7ed05ea`

哈希值用于 torchvision-0.19.1-cp310-cp310-manylinux1_x86_64.whl

用于 torchvision-0.19.1-cp310-cp310-manylinux1_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`20a1f5e02bfdad7714e55fa3fa698347c11d829fa65e11e5a84df07d93350eed`
MD5	`3b4158a4645cf3e4cdd042aa1c19cdf8`
BLAKE2b-256	`7255e0b3821c5595a9a2c8ec98d234b4a0d1142d91daac61f007503d3158f857`

哈希值用于 torchvision-0.19.1-cp310-cp310-macosx_11_0_arm64.whl

用于 torchvision-0.19.1-cp310-cp310-macosx_11_0_arm64.whl 的哈希值
算法	哈希摘要
SHA256	`54e8513099e6f586356c70f809d34f391af71ad182fe071cc328a28af2c40608`
MD5	`5c1d912f23c20980e329062dcd6d45f7`
BLAKE2b-256	`d490cab820b96d4d1a36b088774209d2379cf49eda8210c8fee13552383860b7`

哈希值用于 torchvision-0.19.1-cp39-cp39-win_amd64.whl

用于 torchvision-0.19.1-cp39-cp39-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`6616f12e00a22e7f3fedbd0fccb0804c05e8fe22871668f10eae65cf3f283614`
MD5	`93d9b41a8e5f174ae7aa83cb0dbbc696`
BLAKE2b-256	`b07b2e55c0c613af4df93ef5b9ab8f652226c07b3fb9b0c742ceedcdd6cec2e5`

哈希值用于 torchvision-0.19.1-cp39-cp39-manylinux2014_aarch64.whl

用于 torchvision-0.19.1-cp39-cp39-manylinux2014_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`e328309b8670a2e889b2fe76a1c2744a099c11c984da9a822357bd9debd699a5`
MD5	`5aca32318a0bd9d31b79918cda704739`
BLAKE2b-256	`6d1116d63ede75bd1433aa84f1d9156b058b3ed4976749972220a90c13a1df64`

哈希值用于 torchvision-0.19.1-cp39-cp39-manylinux1_x86_64.whl

用于 torchvision-0.19.1-cp39-cp39-manylinux1_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`febe4f14d4afcb47cc861d8be7760ab6a123cd0817f97faf5771488cb6aa90f4`
MD5	`a68f0a02aefe2825d6f0c5d67baa266e`
BLAKE2b-256	`c34f67b40e50d5dd1f9200421ab31b17d337162742b4f6676a0f4a917b3acdf1`

哈希值用于 torchvision-0.19.1-cp39-cp39-macosx_11_0_arm64.whl

用于 torchvision-0.19.1-cp39-cp39-macosx_11_0_arm64.whl 的哈希值
算法	哈希摘要
SHA256	`731f434d91586769e255b5d70ed1a4457e0a1394a95f4aacf0e1e7e21f80c098`
MD5	`e7a4175a46f4d33b6a38a72c9174947f`
BLAKE2b-256	`61373aff3b9d89b8676f11702840fba7d7ef1d8e91d750426214cc55f6c3fee1`

哈希值用于 torchvision-0.19.1-cp38-cp38-win_amd64.whl

用于 torchvision-0.19.1-cp38-cp38-win_amd64.whl 的哈希值
算法	哈希摘要
SHA256	`ccf085ef1824fb9e16f1901285bf89c298c62dfd93267a39e8ee42c71255242f`
MD5	`a793ee85e86c8a7217be0b9814dcbaa2`
BLAKE2b-256	`f64e17d3137e893e878d2c165268b3f80d59e306e1ac1e0d89d8cccb27cc1d76`

哈希值用于 torchvision-0.19.1-cp38-cp38-manylinux2014_aarch64.whl

用于 torchvision-0.19.1-cp38-cp38-manylinux2014_aarch64.whl 的哈希值
算法	哈希摘要
SHA256	`4d10bc9083c4d5fadd7edd7b729700a7be48dab4f62278df3bc73fa48e48a155`
MD5	`57bd3929afd55aa0e84ff709bed983a7`
BLAKE2b-256	`9514b7dadde3ef929936e2139aa3f51f078887b6cc8bee702410979b929224e8`

哈希值用于 torchvision-0.19.1-cp38-cp38-manylinux1_x86_64.whl

用于 torchvision-0.19.1-cp38-cp38-manylinux1_x86_64.whl 的哈希值
算法	哈希摘要
SHA256	`9281d63ead929bb19143731154cd1d8bf0b5e9873dff8578a40e90a6bec3c6fa`
MD5	`56acd549e9aa8122ef796875b9aca0f2`
BLAKE2b-256	`ed1574800e103ea652bef9fc572661b74a081e2194700f0f5f4f184918218af6`

哈希值用于 torchvision-0.19.1-cp38-cp38-macosx_11_0_arm64.whl

用于 torchvision-0.19.1-cp38-cp38-macosx_11_0_arm64.whl 的哈希值
算法	哈希摘要
SHA256	`4c4e4f5b24ea6b087b02ed492ab1e21bba3352c4577e2def14248cfc60732338`
MD5	`35dd3f6734114a9c690aebedd2635846`
BLAKE2b-256	`5a1a61529a059f89b36543f7749c31630a87f212cdefb8ca9a6dc718dd539efc`

torchvision 0.19.1

导航

已验证详情

维护者

未验证详情

项目链接

元数据

项目描述

torchvision

安装

图像后端

[不稳定] 视频后端

在 C++ 中使用模型

文档

贡献

关于数据集的免责声明

预训练模型许可

引用 TorchVision

项目详情

已验证详情

维护者

未验证详情

项目链接

元数据

发布历史发布通知 | RSS 源

下载文件

源代码分发

构建分发

torchvision 0.19.1

导航

已验证详情

维护者

未验证详情

项目链接

元数据

项目描述

torchvision

安装

图像后端

[不稳定] 视频后端

在 C++ 中使用模型

文档

贡献

关于数据集的免责声明

预训练模型许可

引用 TorchVision

项目详情

已验证详情

维护者

未验证详情

项目链接

元数据

发布历史 发布通知 | RSS 源

下载文件

源代码分发

构建分发

发布历史发布通知 | RSS 源