- विवरण :
यह डेटासेट बिल्कुल CIFAR-10 की तरह है, सिवाय इसके कि इसमें 100 कक्षाएं हैं जिनमें से प्रत्येक में 600 छवियां हैं। प्रति कक्षा 500 प्रशिक्षण छवियाँ और 100 परीक्षण छवियाँ हैं। CIFAR-100 में 100 कक्षाओं को 20 सुपरक्लास में बांटा गया है। प्रत्येक छवि एक "ठीक" लेबल (वह वर्ग जिससे वह संबंधित है) और एक "मोटे" लेबल (वह सुपरक्लास जिससे वह संबंधित है) के साथ आती है।
मुखपृष्ठ : https://www.cs.toronto.edu/~kriz/cifar.html
स्रोत कोड :
tfds.image_classification.Cifar100
संस्करण :
-
3.0.2
(डिफ़ॉल्ट): कोई रिलीज़ नोट नहीं।
-
डाउनलोड आकार :
160.71 MiB
डेटासेट का आकार :
132.03 MiB
ऑटो-कैश्ड ( दस्तावेज़ीकरण ): हाँ
विभाजन :
विभाजित करना | उदाहरण |
---|---|
'test' | 10,000 |
'train' | 50,000 |
- फ़ीचर संरचना :
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),
})
- फ़ीचर दस्तावेज़ीकरण :
विशेषता | कक्षा | आकार | डीप्रकार | विवरण |
---|---|---|---|---|
फीचर्सडिक्ट | ||||
मोटे_लेबल | क्लास लेबल | int64 | ||
पहचान | मूलपाठ | डोरी | ||
छवि | छवि | (32, 32, 3) | uint8 | |
लेबल | क्लास लेबल | int64 |
पर्यवेक्षित कुंजियाँ (
as_supervised
doc देखें):('image', 'label')
चित्र ( tfds.show_examples ):
- उदाहरण ( tfds.as_dataframe ):
- उद्धरण :
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}