Görselleştirme : Verilerinizi keşfedin
Açıklama :
Bu veri kümesi, her biri 600 görüntü içeren 100 sınıfa sahip olması dışında, CIFAR-10 gibidir. Sınıf başına 500 eğitim görüntüsü ve 100 test görüntüsü vardır. CIFAR-100'deki 100 sınıf, 20 üst sınıfa ayrılmıştır. Her görüntü bir "iyi" etiketi (ait olduğu sınıf) ve bir "kaba" etiketi (ait olduğu üst sınıf) ile birlikte gelir.
Anasayfa : https://www.cs.toronto.edu/~kriz/cifar.html
Kaynak kodu :
tfds.image_classification.Cifar100
sürümler :
-
3.0.2
(varsayılan): Sürüm notu yok.
-
İndirme boyutu :
160.71 MiB
Veri kümesi boyutu :
132.03 MiB
Otomatik önbelleğe alınmış ( belgeleme ): Evet
bölmeler :
Bölmek | örnekler |
---|---|
'test' | 10.000 |
'train' | 50.000 |
- Özellik yapısı :
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),
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtipi | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
kaba_etiket | SınıfEtiketi | int64 | ||
İD | Metin | sicim | ||
görüntü | resim | (32, 32, 3) | uint8 | |
etiket | SınıfEtiketi | int64 |
Denetlenen anahtarlar (Bkz
as_supervised
doc ):('image', 'label')
Şekil ( tfds.show_examples ):
- Örnekler ( tfds.as_dataframe ):
- Alıntı :
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}
, Görselleştirme : Verilerinizi keşfedin
Açıklama :
Bu veri kümesi, her biri 600 görüntü içeren 100 sınıfa sahip olması dışında, CIFAR-10 gibidir. Sınıf başına 500 eğitim görüntüsü ve 100 test görüntüsü vardır. CIFAR-100'deki 100 sınıf, 20 üst sınıfa ayrılmıştır. Her görüntü bir "iyi" etiketi (ait olduğu sınıf) ve bir "kaba" etiketi (ait olduğu üst sınıf) ile birlikte gelir.
Anasayfa : https://www.cs.toronto.edu/~kriz/cifar.html
Kaynak kodu :
tfds.image_classification.Cifar100
sürümler :
-
3.0.2
(varsayılan): Sürüm notu yok.
-
İndirme boyutu :
160.71 MiB
Veri kümesi boyutu :
132.03 MiB
Otomatik önbelleğe alınmış ( belgeleme ): Evet
bölmeler :
Bölmek | örnekler |
---|---|
'test' | 10.000 |
'train' | 50.000 |
- Özellik yapısı :
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),
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtipi | Tanım |
---|---|---|---|---|
ÖzelliklerDict | ||||
kaba_etiket | SınıfEtiketi | int64 | ||
İD | Metin | sicim | ||
görüntü | resim | (32, 32, 3) | uint8 | |
etiket | SınıfEtiketi | int64 |
Denetlenen anahtarlar (Bkz
as_supervised
doc ):('image', 'label')
Şekil ( tfds.show_examples ):
- Örnekler ( tfds.as_dataframe ):
- Alıntı :
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}