stl10

opis :

Zestaw danych STL-10 to zestaw danych do rozpoznawania obrazu do opracowywania nienadzorowanych algorytmów uczenia się funkcji, głębokiego uczenia się i uczenia się samouków. Jest inspirowany zestawem danych CIFAR-10, ale z pewnymi modyfikacjami. W szczególności, każda klasa ma mniej oznaczonych przykładów szkoleniowych niż w CIFAR-10, ale zapewniono bardzo duży zestaw nieoznaczonych przykładów, aby nauczyć się modeli obrazów przed nadzorowanym szkoleniem. Podstawowym wyzwaniem jest wykorzystanie nieoznakowanych danych (które pochodzą z podobnego, ale innego rozkładu niż dane z etykietami) do zbudowania użytecznego a priori. Wszystkie obrazy zostały pozyskane z oznaczonych przykładów w ImageNet.

Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na
Strona główna : http://ai.stanford.edu/~acoates/stl10/
Kod źródłowy : tfds.datasets.stl10.Builder
Wersje :
- 1.0.0 (domyślnie): Brak informacji o wersji.
Rozmiar pliku do pobrania : 2.46 GiB
Rozmiar zestawu danych : 1.86 GiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :

Podział	Przykłady
`'test'`	8000
`'train'`	5000
`'unlabelled'`	100 000

Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(96, 96, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})

Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D
	FunkcjeDict
obraz	Obraz	(96, 96, 3)	uint8
etykieta	Etykieta klasy		int64

Klucze nadzorowane (zobacz dokument as_supervised ): ('image', 'label')
Rysunek ( tfds.show_examples ):

Wyobrażanie sobie

Przykłady ( tfds.as_dataframe ):

Cytat :

@inproceedings{coates2011stl10,
  title={ {An Analysis of Single Layer Networks in Unsupervised Feature Learning} },
  author={Coates, Adam and Ng, Andrew and Lee, Honglak},
  booktitle={AISTATS},
  year={2011},
  note = {\url{https://cs.stanford.edu/~acoates/papers/coatesleeng_aistats_2011.pdf} },
}