cifar100

  • Descrizione :

Questo set di dati è proprio come il CIFAR-10, tranne che ha 100 classi contenenti 600 immagini ciascuna. Sono disponibili 500 immagini di formazione e 100 immagini di test per classe. Le 100 classi del CIFAR-100 sono raggruppate in 20 superclassi. Ogni immagine ha un'etichetta "fine" (la classe a cui appartiene) e un'etichetta "coarse" (la superclasse a cui appartiene).

Diviso Esempi
'test' 10.000
'train' 50.000
  • Struttura delle caratteristiche :
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),
})
  • Documentazione delle funzionalità :
Caratteristica Classe Forma Tipo D Descrizione
CaratteristicheDict
etichetta_grossolana ClassLabel int64
id Testo corda
Immagine Immagine (32, 32, 3) uint8
etichetta ClassLabel int64

Visualizzazione

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