omniglotte

• Description :

Ensemble de données Omniglot pour un apprentissage ponctuel. Cet ensemble de données contient 1 623 caractères manuscrits différents provenant de 50 alphabets différents.

• Documentation supplémentaire : Explorer sur les articles avec le code

• Page d'accueil : https://github.com/brendenlake/omniglot/

• Code source : tfds.image_classification.Omniglot

• Versions :

  • 3.0.0 (par défaut) : nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )

• Taille du téléchargement : 17.95 MiB

• Taille de l'ensemble de données : 12.29 MiB

• Mise en cache automatique ( documentation ) : Oui

• Divisions :

Diviser	Exemples
'small1'	2 720
'small2'	3 120
'test'	13 180
'train'	19 280

• Structure des fonctionnalités :

FeaturesDict({
    'alphabet': ClassLabel(shape=(), dtype=int64, num_classes=50),
    'alphabet_char_id': int64,
    'image': Image(shape=(105, 105, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=1623),
})

• Documentation des fonctionnalités :

Fonctionnalité	Classe	Forme	Type D	Description
	FonctionnalitésDict
alphabet	Étiquette de classe		int64
alphabet_char_id	Tenseur		int64
image	Image	(105, 105, 3)	uint8
étiquette	Étiquette de classe		int64

• Clés supervisées (Voir doc as_supervised ) : ('image', 'label')

• Figure ( tfds.show_examples ) :

• Exemples ( tfds.as_dataframe ) :

• Citation :

@article{lake2015human,
  title={Human-level concept learning through probabilistic program induction},
  author={Lake, Brenden M and Salakhutdinov, Ruslan and Tenenbaum, Joshua B},
  journal={Science},
  volume={350},
  number={6266},
  pages={1332--1338},
  year={2015},
  publisher={American Association for the Advancement of Science}
}