如何在不下载数据集的情况下获取torchvision.datasets.ImageNet类别列表？

嘿，这个问题我太懂了！不用啃下几个G的ImageNet数据集，照样能拿到它的类别列表，给你两个简单好用的方法：

方法一：借助预训练模型权重的元信息 #

很多针对ImageNet训练的预训练模型（比如ResNet、VGG这些），它们的权重对象里已经内置了类别名称列表，完全不用碰数据集。举个ResNet50的例子：

from torchvision.models import resnet50, ResNet50_Weights

# 获取默认的预训练权重
weights = ResNet50_Weights.DEFAULT
# 从权重的元数据里提取类别列表
class_names = weights.meta["categories"]

# 打印前5个类别看看效果
print(class_names[:5])  # 输出会像 ['tench', 'goldfish', 'great white shark', 'tiger shark', 'hammerhead']

如果你的环境里已经下载过预训练权重，连权重都不用重新下，直接就能拿到列表。

方法二：单独下载ImageNet元数据文件 #

ImageNet的类别对应关系其实存放在一个小巧的JSON文件里，我们可以直接下载这个文件，完全不用管庞大的图片数据集：

from torchvision.datasets.utils import download_url
import json

# 这个是torchvision内部使用的元数据文件地址
meta_file_url = "https://raw.githubusercontent.com/pytorch/vision/main/torchvision/datasets/imagenet_class_index.json"
# 下载到当前目录（你也可以指定其他路径）
download_url(meta_file_url, ".")

# 读取并转换为类别列表
with open("imagenet_class_index.json", "r") as f:
    class_index = json.load(f)
# 按顺序整理成和模型输出对应的类别名称
class_names = [class_index[str(i)][1] for i in range(len(class_index))]

print(class_names[:5])  # 同样能得到正确的类别列表

确实，早期PyTorch版本里没有直接提供这个便捷方式，但现在torchvision已经把这些细节都处理好了，上面两种方法都能让你轻松拿到类别列表，完全不用下载整个ImageNet数据集。

内容的提问来源于stack exchange，提问作者irudyak