cifar100

• Descrizione :

Questo set di dati è proprio come il CIFAR-10, tranne che ha 100 classi contenenti 600 immagini ciascuna. Sono disponibili 500 immagini di formazione e 100 immagini di test per classe. Le 100 classi del CIFAR-100 sono raggruppate in 20 superclassi. Ogni immagine ha un'etichetta "fine" (la classe a cui appartiene) e un'etichetta "coarse" (la superclasse a cui appartiene).

• Documentazione aggiuntiva : esplora documenti con codice north_east

• Pagina iniziale : https://www.cs.toronto.edu/~kriz/cifar.html

• Codice sorgente : tfds.image_classification.Cifar100

• Versioni :

  • 3.0.2 (impostazione predefinita): nessuna nota di rilascio.

• Dimensione download : 160.71 MiB

• Dimensione del set di dati : 132.03 MiB

• Memorizzazione nella cache automatica ( documentazione ): sì

• Divide :

• Struttura delle caratteristiche :

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),
})

• Documentazione delle funzionalità :

• Chiavi supervisionate (vedi il documento as_supervised ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Esempi ( tfds.as_dataframe ):

• Citazione :

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