cifar100_n

คำเตือน: ต้องดาวน์โหลดด้วยตนเอง ดูคำแนะนำด้านล่าง

• คำอธิบาย :

CIFAR-100 เวอร์ชันที่ติดฉลากใหม่ซึ่งมีข้อผิดพลาดในการอธิบายประกอบโดยมนุษย์จริง สำหรับทุกคู่ (ภาพ, ป้ายกำกับ) ในชุดรถไฟ CIFAR-100 ดั้งเดิม จะมีป้ายกำกับเพิ่มเติมที่ได้รับจากคำอธิบายประกอบของมนุษย์จริงๆ

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

• รหัสที่มา : tfds.image_classification.cifar100_n.Cifar100N

• รุ่น :

  • 1.0.0 : การเปิดตัวครั้งแรก
  • 1.0.1 (ค่าเริ่มต้น): แก้ไขความสอดคล้องกันระหว่างคำอธิบายประกอบและรูปภาพ

• ขนาดการดาวน์โหลด : 160.71 MiB

• ขนาดชุดข้อมูล : 136.07 MiB

• คำแนะนำในการดาวน์โหลดด้วยตนเอง : ชุดข้อมูลนี้กำหนดให้คุณต้องดาวน์โหลดแหล่งข้อมูลด้วยตนเองลงใน download_config.manual_dir (ค่าเริ่มต้นเป็น ~/tensorflow_datasets/downloads/manual/ ):
  ดาวน์โหลด 'side_info_cifar100N.csv', 'CIFAR-100_human_ordered.npy' และ 'image_order_c100.npy' จาก https://github.com/UCSC-REAL/cifar-10-100n

จากนั้นแปลง 'CIFAR-100_human_ordered.npy' เป็นไฟล์ CSV 'CIFAR-100_human_annotations.csv' สามารถทำได้ด้วยรหัสต่อไปนี้:

import numpy as np
from tensorflow_datasets.core.utils.lazy_imports_utils import pandas as pd
from tensorflow_datasets.core.utils.lazy_imports_utils import tensorflow as tf

human_labels_np_path = '<local_path>/CIFAR-100_human_ordered.npy'
human_labels_csv_path = '<local_path>/CIFAR-100_human_annotations.csv'

with tf.io.gfile.GFile(human_labels_np_path, "rb") as f:
  human_annotations = np.load(f, allow_pickle=True)

df = pd.DataFrame(human_annotations[()])

with tf.io.gfile.GFile(human_labels_csv_path, "w") as f:
  df.to_csv(f, index=False)

• แคชอัตโนมัติ ( เอกสาร ): ใช่

• แยก :

แยก	ตัวอย่าง
'test'	10,000
'train'	50,000

• โครงสร้างคุณลักษณะ :

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),
    'noise_label': ClassLabel(shape=(), dtype=int64, num_classes=100),
    'worker_id': int64,
    'worker_time': float32,
})

• เอกสารคุณสมบัติ :

ลักษณะเฉพาะ	ระดับ	รูปร่าง	Dประเภท	คำอธิบาย
	คุณสมบัติDict
coarse_label	ป้ายกำกับคลาส		int64
รหัส	ข้อความ		สตริง
ภาพ	ภาพ	(32, 32, 3)	uint8
ฉลาก	ป้ายกำกับคลาส		int64
noise_label	ป้ายกำกับคลาส		int64
รหัสผู้ปฏิบัติงาน	เทนเซอร์		int64
คนทำงาน_เวลา	เทนเซอร์		ลอย32

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@inproceedings{wei2022learning,
  title={Learning with Noisy Labels Revisited: A Study Using Real-World Human
  Annotations},
  author={Jiaheng Wei and Zhaowei Zhu and Hao Cheng and Tongliang Liu and Gang
  Niu and Yang Liu},
  booktitle={International Conference on Learning Representations},
  year={2022},
  url={https://openreview.net/forum?id=TBWA6PLJZQm}
}