сифар100

• Описание :

Этот набор данных аналогичен CIFAR-10, за исключением того, что он содержит 100 классов, каждый из которых содержит 600 изображений. В каждом классе имеется 500 обучающих изображений и 100 тестовых изображений. 100 классов CIFAR-100 сгруппированы в 20 суперклассов. Каждое изображение имеет «точную» метку (класс, к которому оно принадлежит) и «грубую» метку (суперкласс, к которому оно принадлежит).

• Дополнительная документация : Изучите статьи с кодом

• Домашняя страница : https://www.cs.toronto.edu/~kriz/cifar.html.

• Исходный код : tfds.image_classification.Cifar100

• Версии :

  • 3.0.2 (по умолчанию): нет примечаний к выпуску.

• Размер загрузки : 160.71 MiB

• Размер набора данных : 132.03 MiB

• Автокэширование ( документация ): Да

• Расколы :

Расколоть	Примеры
'test'	10 000
'train'	50 000

• Структура функции :

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),
})

• Функциональная документация :

Особенность	Сорт	Форма	Дтип	Описание
	ВозможностиDict
грубая_метка	Класслейбл		int64
идентификатор	Текст		нить
изображение	Изображение	(32, 32, 3)	uint8
этикетка	Класслейбл		int64

• Контролируемые ключи (см. документ as_supervised ): ('image', 'label')

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

• Цитата :

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