- 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
Kode sumber :
tfds.image_classification.KMNISTVersi :
-
3.0.1(default): Tidak ada catatan rilis.
-
Ukuran unduhan :
20.26 MiBUkuran kumpulan data :
31.76 MiBCache 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},
}