Визуализация : Исследуйте в Know Your Data
Описание :
Kuzushiji-MNIST — это замена набора данных MNIST (оттенки серого 28x28, 70 000 изображений), представленного в исходном формате MNIST, а также в формате NumPy. Поскольку MNIST ограничивает нас 10 классами, мы выбрали один символ для представления каждой из 10 строк хираганы при создании Kuzushiji-MNIST.
Дополнительная документация : изучить документы с кодом
Домашняя страница : http://codh.rois.ac.jp/kmnist/index.html.en
Исходный код :
tfds.image_classification.KMNIST
Версии :
-
3.0.1
(по умолчанию): нет примечаний к выпуску.
-
Размер загрузки :
20.26 MiB
.Размер набора данных :
31.76 MiB
.Автоматическое кэширование ( документация ): Да
Сплиты :
Расколоть | Примеры |
---|---|
'test' | 10 000 |
'train' | 60 000 |
- Структура функции :
FeaturesDict({
'image': Image(shape=(28, 28, 1), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
- Документация по функциям :
Характерная черта | Класс | Форма | Dтип | Описание |
---|---|---|---|---|
ОсобенностиDict | ||||
изображение | Изображение | (28, 28, 1) | uint8 | |
этикетка | Метка класса | int64 |
Контролируемые ключи (см . документ
as_supervised
):('image', 'label')
Рисунок ( tfds.show_examples ):
- Примеры ( tfds.as_dataframe ):
- Цитата :
@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},
}