- Descrição :
O conjunto de dados CIFAR-10 consiste em 60.000 imagens coloridas 32x32 em 10 classes, com 6.000 imagens por classe. Existem 50.000 imagens de treinamento e 10.000 imagens de teste.
Documentação adicional : Explore artigos com código
Página inicial : https://www.cs.toronto.edu/~kriz/cifar.html
Código fonte :
tfds.image_classification.Cifar10
Versões :
-
3.0.2
(padrão): Sem notas de versão.
-
Tamanho do download :
162.17 MiB
Tamanho do conjunto de dados :
132.40 MiB
Armazenado em cache automaticamente ( documentação ): Sim
Divisões :
Dividir | Exemplos |
---|---|
'test' | 10.000 |
'train' | 50.000 |
- Estrutura de recursos :
FeaturesDict({
'id': Text(shape=(), dtype=string),
'image': Image(shape=(32, 32, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
- Documentação de recursos :
Recurso | Aula | Forma | Tipo D | Descrição |
---|---|---|---|---|
RecursosDict | ||||
eu ia | Texto | corda | ||
imagem | Imagem | (32, 32, 3) | uint8 | |
rótulo | ClassLabel | int64 |
Chaves supervisionadas (consulte o documento
as_supervised
):('image', 'label')
Figura ( tfds.show_examples ):
- Exemplos ( tfds.as_dataframe ):
- Citação :
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}