kmnist

• Keterangan :

Kuzushiji-MNIST adalah pengganti drop-in untuk kumpulan data MNIST (skala abu-abu 28x28, 70.000 gambar), disediakan dalam format MNIST asli serta format NumPy. Karena MNIST membatasi kami pada 10 kelas, kami memilih satu karakter untuk mewakili masing-masing dari 10 baris Hiragana saat membuat Kuzushiji-MNIST.

• Dokumentasi Tambahan : Jelajahi Makalah Dengan Kode

• Beranda : http://codh.rois.ac.jp/kmnist/index.html.en

• Kode sumber : tfds.image_classification.KMNIST

• Versi :

  • 3.0.1 (default): Tidak ada catatan rilis.

• Ukuran unduhan : 20.26 MiB

• Ukuran kumpulan data : 31.76 MiB

• Cache otomatis ( dokumentasi ): Ya

• Perpecahan :

Membelah	Contoh
'test'	10.000
'train'	60.000

• Struktur fitur :

FeaturesDict({
    'image': Image(shape=(28, 28, 1), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})

• Dokumentasi fitur :

Fitur	Kelas	Membentuk	Tipe D	Keterangan
	FiturDict
gambar	Gambar	(28, 28, 1)	uint8
label	Label Kelas		int64

• Kunci yang diawasi (Lihat dokumen as_supervised ): ('image', 'label')

• Gambar ( tfds.show_examples ):

• Contoh ( tfds.as_dataframe ):

• Kutipan :

@online{clanuwat2018deep,
  author       = {Tarin Clanuwat and Mikel Bober-Irizar and Asanobu Kitamoto and Alex Lamb and Kazuaki Yamamoto and David Ha},
  title        = {Deep Learning for Classical Japanese Literature},
  date         = {2018-12-03},
  year         = {2018},
  eprintclass  = {cs.CV},
  eprinttype   = {arXiv},
  eprint       = {cs.CV/1812.01718},
}