কিমিনিস্ট

• বর্ণনা :

Kuzushiji-MNIST হল MNIST ডেটাসেটের জন্য একটি ড্রপ-ইন প্রতিস্থাপন (28x28 গ্রেস্কেল, 70,000 ছবি), মূল MNIST ফর্ম্যাটের পাশাপাশি একটি NumPy ফর্ম্যাটে দেওয়া। যেহেতু MNIST আমাদের 10টি ক্লাসে সীমাবদ্ধ রাখে, তাই Kuzushiji-MNIST তৈরি করার সময় আমরা হিরাগানার 10টি সারির প্রতিটির প্রতিনিধিত্ব করার জন্য একটি অক্ষর বেছে নিয়েছি।

• অতিরিক্ত ডকুমেন্টেশন : কোড সহ কাগজপত্রে অন্বেষণ করুন

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

• উত্স কোড : tfds.image_classification.KMNIST

• সংস্করণ :

  • 3.0.1 (ডিফল্ট): কোনো রিলিজ নোট নেই।

• ডাউনলোড সাইজ : 20.26 MiB

• ডেটাসেটের আকার : 31.76 MiB

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ

• বিভাজন :

বিভক্ত	উদাহরণ
'test'	10,000
'train'	60,000

• বৈশিষ্ট্য গঠন :

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

• বৈশিষ্ট্য ডকুমেন্টেশন :

বৈশিষ্ট্য	ক্লাস	আকৃতি	ডিটাইপ	বর্ণনা
	ফিচারসডিক্ট
ইমেজ	ছবি	(২৮, ২৮, ১)	uint8
লেবেল	ক্লাসলেবেল		int64

• তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): ('image', 'label')

• চিত্র ( tfds.show_examples ):

• উদাহরণ ( tfds.as_dataframe ):

• উদ্ধৃতি :

@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},
}