torch中内置的数据集：

ps：在修改代码时，之前研究过一些数据集可以通过代码在训练的时候进行下载，刚刚得知这些数据集是torch中内置的数据集，想自己总结记录一下

Torchvision 中的数据集：

MNIST：

手写图像组成的数据集，60,000 张训练图像和 10,000 张测试图像（也是联邦学习实验中经常使用的数据集）在训练的时候很容易达到很高的精度

train_dataset = datasets.MNIST(data_dir, train=True, download=True,
                                      transform=apply_transform)
test_dataset = datasets.MNIST(data_dir, train=False, download=True,
                                      transform=apply_transform)

Fashion MNIST：

类似于mnist数据集，是一组28x28灰度的衣服图像，训练和测试样本数分别为60,000和10,000

CIFAR：

CIFAR10和CIFAR100。CIFAR10 由 10 个不同标签的图像组成，而 CIFAR100 有 100 个不同的类。这些包括常见的图像，如卡车、青蛙、船、汽车、鹿等。

train_dataset = datasets.CIFAR10(data_dir, train=True, download=True,
                                       transform=apply_transform)

test_dataset = datasets.CIFAR10(data_dir, train=False, download=True,
                                      transform=apply_transform)

COCO：

COCO数据集包含超过 100,000 个日常对象，如人、瓶子、文具、书籍等

EMNIST：

包括数字和字母的图像组成。适合处理从图像中识别文本

IMAGE-NET：

分布在 10,000 个类别中的超过 120 万张图像组成