यह डेटासेट CIFAR-10 की तरह ही है, सिवाय इसके कि इसमें 100 वर्ग हैं जिनमें प्रत्येक में 600 चित्र हैं। प्रति कक्षा 500 प्रशिक्षण चित्र और 100 परीक्षण चित्र हैं। CIFAR-100 में 100 वर्गों को 20 सुपरक्लास में बांटा गया है। प्रत्येक छवि एक "ठीक" लेबल (वह वर्ग जिससे वह संबंधित है) और एक "मोटा" लेबल (वह सुपरक्लास जिससे वह संबंधित है) के साथ आता है।
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 | डीटाइप | विवरण |
---|---|---|---|---|
विशेषताएं डिक्ट | ||||
मोटे_लेबल | क्लासलेबल | int64 | ||
पहचान | मूलपाठ | डोरी | ||
छवि | छवि | (32, 32, 3) | uint8 | |
लेबल | क्लासलेबल | int64 |
पर्यवेक्षित कुंजी (
as_supervised
दस्तावेज़ 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}
}
, यह डेटासेट CIFAR-10 की तरह ही है, सिवाय इसके कि इसमें 100 वर्ग हैं जिनमें प्रत्येक में 600 चित्र हैं। प्रति कक्षा 500 प्रशिक्षण चित्र और 100 परीक्षण चित्र हैं। CIFAR-100 में 100 वर्गों को 20 सुपरक्लास में बांटा गया है। प्रत्येक छवि एक "ठीक" लेबल (वह वर्ग जिससे वह संबंधित है) और एक "मोटा" लेबल (वह सुपरक्लास जिससे वह संबंधित है) के साथ आता है।
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 | डीटाइप | विवरण |
---|---|---|---|---|
विशेषताएं डिक्ट | ||||
मोटे_लेबल | क्लासलेबल | int64 | ||
पहचान | मूलपाठ | डोरी | ||
छवि | छवि | (32, 32, 3) | uint8 | |
लेबल | क्लासलेबल | int64 |
पर्यवेक्षित कुंजी (
as_supervised
दस्तावेज़ 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}
}