- Descrição :
Conjunto de dados Omniglot para aprendizado único. Este conjunto de dados contém 1.623 caracteres manuscritos diferentes de 50 alfabetos diferentes.
Documentação adicional : Explore artigos com código
Página inicial : https://github.com/brendenlake/omniglot/
Código fonte :
tfds.image_classification.Omniglot
Versões :
-
3.0.0
(padrão): Nova API dividida ( https://tensorflow.org/datasets/splits )
-
Tamanho do download :
17.95 MiB
Tamanho do conjunto de dados :
12.29 MiB
Armazenado em cache automaticamente ( documentação ): Sim
Divisões :
Dividir | Exemplos |
---|---|
'small1' | 2.720 |
'small2' | 3.120 |
'test' | 13.180 |
'train' | 19.280 |
- Estrutura de recursos :
FeaturesDict({
'alphabet': ClassLabel(shape=(), dtype=int64, num_classes=50),
'alphabet_char_id': int64,
'image': Image(shape=(105, 105, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=1623),
})
- Documentação de recursos :
Recurso | Aula | Forma | Tipo D | Descrição |
---|---|---|---|---|
RecursosDict | ||||
alfabeto | ClassLabel | int64 | ||
alfabeto_char_id | Tensor | int64 | ||
imagem | Imagem | (105, 105, 3) | uint8 | |
rótulo | ClassLabel | int64 |
Chaves supervisionadas (consulte o documento
as_supervised
):('image', 'label')
Figura ( tfds.show_examples ):
- Exemplos ( tfds.as_dataframe ):
- Citação :
@article{lake2015human,
title={Human-level concept learning through probabilistic program induction},
author={Lake, Brenden M and Salakhutdinov, Ruslan and Tenenbaum, Joshua B},
journal={Science},
volume={350},
number={6266},
pages={1332--1338},
year={2015},
publisher={American Association for the Advancement of Science}
}