- 説明:
このデータセットは CIFAR-10 と似ていますが、それぞれ 600 枚の画像を含む 100 個のクラスがある点が異なります。クラスごとに 500 個のトレーニング画像と 100 個のテスト画像があります。 CIFAR-100 の 100 クラスは 20 のスーパークラスにグループ化されています。各イメージには、「細かい」ラベル (それが属するクラス) と「粗い」ラベル (それが属するスーパークラス) が付いています。
追加ドキュメント:コード付きの論文について調べる
バージョン:
-
3.0.2
(デフォルト): リリース ノートはありません。
-
ダウンロードサイズ:
160.71 MiB
データセットのサイズ:
132.03 MiB
自動キャッシュ(ドキュメント): はい
分割:
スプリット | 例 |
---|---|
'test' | 10,000 |
'train' | 50,000 |
- 機能の構造:
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),
})
- 機能ドキュメント:
特徴 | クラス | 形 | Dタイプ | 説明 |
---|---|---|---|---|
特徴辞書 | ||||
粗いラベル | クラスラベル | int64 | ||
ID | 文章 | 弦 | ||
画像 | 画像 | (32、32、3) | uint8 | |
ラベル | クラスラベル | int64 |
監視キー(
as_supervised
doc を参照):('image', 'label')
図( tfds.show_examples ):
- 例( tfds.as_dataframe ):
- 引用:
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}