- 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.OmniglotVersions :
-
3.0.0(par défaut) : nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )
-
Taille du téléchargement :
17.95 MiBTaille de l'ensemble de données :
12.29 MiBMise 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}
}