التصور : استكشف في اعرف بياناتك
الوصف :
مجموعة البيانات هذه تشبه CIFAR-10 تمامًا ، إلا أنها تحتوي على 100 فئة تحتوي كل منها على 600 صورة. يوجد 500 صورة تدريبية و 100 صورة اختبار لكل فصل. تم تجميع 100 فئة في CIFAR-100 في 20 فئة سوبر. تأتي كل صورة مع ملصق "جيد" (الفئة التي تنتمي إليها) وعلامة "خشن" (الفئة الممتازة التي تنتمي إليها).
وثائق إضافية : استكشف في الأوراق باستخدام الرمز
الصفحة الرئيسية : https://www.cs.toronto.edu/~kriz/cifar.html
كود المصدر :
tfds.image_classification.Cifar100
إصدارات :
-
3.0.2
(افتراضي): لا توجد ملاحظات حول الإصدار.
-
حجم التحميل :
160.71 MiB
حجم مجموعة البيانات :
132.03 MiB
التخزين المؤقت التلقائي ( الوثائق ): نعم
الانقسامات :
انشق، مزق | أمثلة |
---|---|
'test' | 10000 |
'train' | 50000 |
- هيكل الميزة :
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),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع | وصف |
---|---|---|---|---|
الميزات | ||||
coarse_label | ClassLabel | int64 | ||
هوية شخصية | نص | سلسلة | ||
صورة | صورة | (32 ، 32 ، 3) | uint8 | |
ضع الكلمة المناسبة | ClassLabel | int64 |
المفاتيح الخاضعة للإشراف (راجع المستند
as_supervised
):('image', 'label')
الشكل ( tfds.show_examples ):
- أمثلة ( tfds.as_dataframe ):
- الاقتباس :
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}
، التصور : استكشف في اعرف بياناتك
الوصف :
مجموعة البيانات هذه تشبه CIFAR-10 تمامًا ، إلا أنها تحتوي على 100 فئة تحتوي كل منها على 600 صورة. يوجد 500 صورة تدريبية و 100 صورة اختبار لكل فصل. تم تجميع 100 فئة في CIFAR-100 في 20 فئة سوبر. تأتي كل صورة مع ملصق "جيد" (الفئة التي تنتمي إليها) وعلامة "خشن" (الفئة الممتازة التي تنتمي إليها).
وثائق إضافية : استكشف في الأوراق باستخدام الرمز
الصفحة الرئيسية : https://www.cs.toronto.edu/~kriz/cifar.html
كود المصدر :
tfds.image_classification.Cifar100
إصدارات :
-
3.0.2
(افتراضي): لا توجد ملاحظات حول الإصدار.
-
حجم التحميل :
160.71 MiB
حجم مجموعة البيانات :
132.03 MiB
التخزين المؤقت التلقائي ( الوثائق ): نعم
الانقسامات :
انشق، مزق | أمثلة |
---|---|
'test' | 10000 |
'train' | 50000 |
- هيكل الميزة :
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),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع | وصف |
---|---|---|---|---|
الميزات | ||||
coarse_label | ClassLabel | int64 | ||
هوية شخصية | نص | سلسلة | ||
صورة | صورة | (32 ، 32 ، 3) | uint8 | |
ضع الكلمة المناسبة | ClassLabel | int64 |
المفاتيح الخاضعة للإشراف (راجع المستند
as_supervised
):('image', 'label')
الشكل ( tfds.show_examples ):
- أمثلة ( tfds.as_dataframe ):
- الاقتباس :
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}