- 설명 :
이 데이터 세트는 각각 600개의 이미지를 포함하는 100개의 클래스가 있다는 점을 제외하면 CIFAR-10과 동일합니다. 클래스당 훈련 이미지 500개와 테스트 이미지 100개가 있습니다. CIFAR-100의 100개 클래스는 20개의 슈퍼클래스로 그룹화됩니다. 각 이미지에는 "fine" 레이블(이미지가 속한 클래스)과 "coarse" 레이블(이미지가 속한 슈퍼클래스)이 함께 제공됩니다.
추가 문서 : 코드 가 포함된 논문 탐색
버전 :
-
3.0.2
(기본값): 릴리스 노트가 없습니다.
-
다운로드 크기 :
160.71 MiB
데이터세트 크기 :
132.03 MiB
자동 캐시 ( 문서 ): 예
분할 :
나뉘다 | 예 |
---|---|
'test' | 10,000 |
'train' | 50,000 |
- 기능 구조 :
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),
})
- 기능 문서 :
특징 | 수업 | 모양 | Dtype | 설명 |
---|---|---|---|---|
특징Dict | ||||
거친 라벨 | 클래스 라벨 | 정수64 | ||
ID | 텍스트 | 끈 | ||
영상 | 영상 | (32, 32, 3) | uint8 | |
상표 | 클래스 라벨 | 정수64 |
감독되는 키 (
as_supervised
doc 참조):('image', 'label')
그림 ( tfds.show_examples ):
- 예 ( tfds.as_dataframe ):
- 인용 :
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}