cifar100

• Keterangan :

Dataset ini sama seperti CIFAR-10, hanya saja ia memiliki 100 kelas yang masing-masing berisi 600 gambar. Terdapat 500 gambar latih dan 100 gambar uji per kelas. 100 kelas di CIFAR-100 dikelompokkan menjadi 20 superkelas. Setiap gambar dilengkapi dengan label "halus" (kelas yang dimilikinya) dan label "kasar" (superkelas yang dimilikinya).

• Dokumentasi Tambahan : Jelajahi Makalah Dengan Kode

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

• Kode sumber : tfds.image_classification.Cifar100

• Versi :

  • 3.0.2 (default): Tidak ada catatan rilis.

• Ukuran unduhan : 160.71 MiB

• Ukuran kumpulan data : 132.03 MiB

• Cache otomatis ( dokumentasi ): Ya

• Perpecahan :

Membelah	Contoh
'test'	10.000
'train'	50.000

• Struktur fitur :

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),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D	Keterangan
	FiturDict
label_kasar	Label Kelas		int64
pengenal	Teks		rangkaian
gambar	Gambar	(32, 32, 3)	uint8
label	Label Kelas		int64

• Kunci yang diawasi (Lihat dokumen as_supervised ): ('image', 'label')

• Gambar ( tfds.show_examples ):

• Contoh ( tfds.as_dataframe ):

• Kutipan :

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