- Description :
Kuzushiji-MNIST est un remplacement instantané de l'ensemble de données MNIST (niveaux de gris 28x28, 70 000 images), fourni au format MNIST d'origine ainsi qu'au format NumPy. Puisque MNIST nous limite à 10 classes, nous avons choisi un personnage pour représenter chacune des 10 rangées d'Hiragana lors de la création de Kuzushiji-MNIST.
Documentation supplémentaire : Explorer sur les articles avec le code
Page d'accueil : http://codh.rois.ac.jp/kmnist/index.html.en
Code source :
tfds.image_classification.KMNIST
Versions :
-
3.0.1
(par défaut) : Aucune note de version.
-
Taille du téléchargement :
20.26 MiB
Taille de l'ensemble de données :
31.76 MiB
Mise en cache automatique ( documentation ) : Oui
Divisions :
Diviser | Exemples |
---|---|
'test' | 10 000 |
'train' | 60 000 |
- Structure des fonctionnalités :
FeaturesDict({
'image': Image(shape=(28, 28, 1), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
- Documentation des fonctionnalités :
Fonctionnalité | Classe | Forme | Type D | Description |
---|---|---|---|---|
FonctionnalitésDict | ||||
image | Image | (28, 28, 1) | uint8 | |
étiquette | Étiquette de classe | int64 |
Clés supervisées (Voir doc
as_supervised
) :('image', 'label')
Figure ( tfds.show_examples ) :
- Exemples ( tfds.as_dataframe ) :
- Citation :
@online{clanuwat2018deep,
author = {Tarin Clanuwat and Mikel Bober-Irizar and Asanobu Kitamoto and Alex Lamb and Kazuaki Yamamoto and David Ha},
title = {Deep Learning for Classical Japanese Literature},
date = {2018-12-03},
year = {2018},
eprintclass = {cs.CV},
eprinttype = {arXiv},
eprint = {cs.CV/1812.01718},
}