cifar100

• Description :

Cet ensemble de données est similaire au CIFAR-10, sauf qu'il comporte 100 classes contenant chacune 600 images. Il y a 500 images de formation et 100 images de test par classe. Les 100 classes du CIFAR-100 sont regroupées en 20 superclasses. Chaque image est accompagnée d'une étiquette « fine » (la classe à laquelle elle appartient) et d'une étiquette « grossière » (la superclasse à laquelle elle appartient).

• Documentation supplémentaire : Explorer sur les articles avec le code north_east

• Page d'accueil : https://www.cs.toronto.edu/~kriz/cifar.html

• Code source : tfds.image_classification.Cifar100

• Versions :

  • 3.0.2 (par défaut) : Aucune note de version.

• Taille du téléchargement : 160.71 MiB

• Taille de l'ensemble de données : 132.03 MiB

• Mise en cache automatique ( documentation ) : Oui

• Divisions :

• Structure des fonctionnalités :

FeaturesDict({
    'coarse_label': ClassLabel(shape=(), dtype=int64, num_classes=20),
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(32, 32, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=100),
})

• Documentation des fonctionnalités :

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

• Figure ( tfds.show_examples ) :

• Exemples ( tfds.as_dataframe ) :

• Citation :

@TECHREPORT{Krizhevsky09learningmultiple,
    author = {Alex Krizhevsky},
    title = {Learning multiple layers of features from tiny images},
    institution = {},
    year = {2009}
}