- Keterangan :
Dataset ini sama seperti CIFAR-10, hanya saja ia memiliki 100 kelas yang masing-masing berisi 600 gambar. Terdapat 500 gambar latih dan 100 gambar uji per kelas. 100 kelas di CIFAR-100 dikelompokkan menjadi 20 superkelas. Setiap gambar dilengkapi dengan label "halus" (kelas yang dimilikinya) dan label "kasar" (superkelas yang dimilikinya).
Dokumentasi Tambahan : Jelajahi Makalah Dengan Kode
Kode sumber :
tfds.image_classification.Cifar100
Versi :
-
3.0.2
(default): Tidak ada catatan rilis.
-
Ukuran unduhan :
160.71 MiB
Ukuran kumpulan data :
132.03 MiB
Cache otomatis ( dokumentasi ): Ya
Perpecahan :
Membelah | Contoh |
---|---|
'test' | 10.000 |
'train' | 50.000 |
- Struktur fitur :
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),
})
- Dokumentasi fitur :
Fitur | Kelas | Membentuk | Tipe D | Keterangan |
---|---|---|---|---|
FiturDict | ||||
label_kasar | Label Kelas | int64 | ||
pengenal | Teks | rangkaian | ||
gambar | Gambar | (32, 32, 3) | uint8 | |
label | Label Kelas | int64 |
Kunci yang diawasi (Lihat dokumen
as_supervised
):('image', 'label')
Gambar ( tfds.show_examples ):
- Contoh ( tfds.as_dataframe ):
- Kutipan :
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}