- Opis :
Specyficzna binaryzacja obrazów MNIST pierwotnie wykorzystanych w (Salakhutdinov i Murray, 2008). Ten zbiór danych jest często używany do oceny generatywnych modeli obrazów, dlatego nie podano etykiet.
Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem
Strona główna : http://www.dmi.usherb.ca/~larocheh/mlpython/_modules/datasets/binarized_mnist.html
Kod źródłowy :
tfds.datasets.binarized_mnist.BuilderWersje :
-
1.0.0(domyślnie): wydanie początkowe
-
Rozmiar pobierania :
104.68 MiBRozmiar zbioru danych :
11.68 MiBAutomatyczne buforowanie ( dokumentacja ): Tak
Podziały :
| Podział | Przykłady |
|---|---|
'test' | 10 000 |
'train' | 50 000 |
'validation' | 10 000 |
- Struktura funkcji :
FeaturesDict({
'image': Image(shape=(28, 28, 1), dtype=uint8),
})
- Dokumentacja funkcji :
| Funkcja | Klasa | Kształt | Typ D | Opis |
|---|---|---|---|---|
| FunkcjeDykt | ||||
| obraz | Obraz | (28, 28, 1) | uint8 |
Klucze nadzorowane (zobacz dokument
as_supervised):NoneRysunek ( tfds.show_examples ):
- Przykłady ( tfds.as_dataframe ):
- Cytat :
@inproceedings{salakhutdinov2008quantitative,
title={On the quantitative analysis of deep belief networks},
author={Salakhutdinov, Ruslan and Murray, Iain},
booktitle={Proceedings of the 25th international conference on Machine learning},
pages={872--879},
year={2008},
organization={ACM}
}