cifar100

  • شرح :

این مجموعه داده دقیقاً مانند CIFAR-10 است، با این تفاوت که دارای 100 کلاس است که هر کدام شامل 600 تصویر است. 500 تصویر آموزشی و 100 تصویر تست در هر کلاس وجود دارد. 100 کلاس در CIFAR-100 در 20 سوپر کلاس گروه بندی می شوند. هر تصویر با یک برچسب "خوب" (کلاسی که به آن تعلق دارد) و یک برچسب "درشت" (سوپر کلاسی که به آن تعلق دارد) ارائه می شود.

شکاف مثال ها
'test' 10000
'train' 50000
  • ساختار ویژگی :
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),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
برچسب_درشت ClassLabel int64
شناسه متن رشته
تصویر تصویر (32، 32، 3) uint8
برچسب ClassLabel int64

تجسم

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