cifar100

• Opis :

Ten zbiór danych jest taki sam jak CIFAR-10, z tą różnicą, że ma 100 klas zawierających 600 obrazów każda. Na zajęcia przypada 500 obrazów szkoleniowych i 100 obrazów testowych. 100 klas w CIFAR-100 jest pogrupowanych w 20 superklas. Każdy obraz ma etykietę „fine” (klasa, do której należy) i „grubą” (nadklasa, do której należy).

• Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem

• Strona główna : https://www.cs.toronto.edu/~kriz/cifar.html

• Kod źródłowy : tfds.image_classification.Cifar100

• Wersje :

  • 3.0.2 (domyślnie): Brak informacji o wydaniu.

• Rozmiar pobierania : 160.71 MiB

• Rozmiar zbioru danych : 132.03 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

Podział	Przykłady
'test'	10 000
'train'	50 000

• Struktura funkcji :

FeaturesDict({
    'coarse_label': ClassLabel(shape=(), dtype=int64, num_classes=20),
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(32, 32, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=100),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDykt
gruba_etykieta	Etykieta klasy		int64
ID	Tekst		strunowy
obraz	Obraz	(32, 32, 3)	uint8
etykieta	Etykieta klasy		int64

• Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'label')

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@TECHREPORT{Krizhevsky09learningmultiple,
    author = {Alex Krizhevsky},
    title = {Learning multiple layers of features from tiny images},
    institution = {},
    year = {2009}
}