Cifar100

• Visualización : Explore en Know Your Data north_east

• Descripción :

Este conjunto de datos es como el CIFAR-10, excepto que tiene 100 clases que contienen 600 imágenes cada una. Hay 500 imágenes de entrenamiento y 100 imágenes de prueba por clase. Las 100 clases del CIFAR-100 se agrupan en 20 superclases. Cada imagen viene con una etiqueta "fina" (la clase a la que pertenece) y una etiqueta "gruesa" (la superclase a la que pertenece).

• Documentación adicional : Explore en Papers With Code north_east

• Página de inicio: https://www.cs.toronto.edu/~kriz/cifar.html

• Código fuente : tfds.image_classification.Cifar100

• Versiones :

  • 3.0.2 (predeterminado): Sin notas de la versión.

• Tamaño de la descarga : 160.71 MiB

• Tamaño del conjunto de datos : 132.03 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Divisiones :

• Estructura de características :

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),
})

• Documentación de características :

• Claves supervisadas (Ver as_supervised ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

• Cita :

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

• Visualización : Explore en Know Your Data north_east

• Descripción :

Este conjunto de datos es como el CIFAR-10, excepto que tiene 100 clases que contienen 600 imágenes cada una. Hay 500 imágenes de entrenamiento y 100 imágenes de prueba por clase. Las 100 clases del CIFAR-100 se agrupan en 20 superclases. Cada imagen viene con una etiqueta "fina" (la clase a la que pertenece) y una etiqueta "gruesa" (la superclase a la que pertenece).

• Documentación adicional : Explore en Papers With Code north_east

• Página de inicio: https://www.cs.toronto.edu/~kriz/cifar.html

• Código fuente : tfds.image_classification.Cifar100

• Versiones :

  • 3.0.2 (predeterminado): Sin notas de la versión.

• Tamaño de la descarga : 160.71 MiB

• Tamaño del conjunto de datos : 132.03 MiB

• Almacenamiento automático en caché ( documentación ): Sí

• Divisiones :

• Estructura de características :

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),
})

• Documentación de características :

• Claves supervisadas (Ver as_supervised ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Ejemplos ( tfds.as_dataframe ):

• Cita :

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