Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

сифар100

Этот набор данных аналогичен CIFAR-10, за исключением того, что он содержит 100 классов, содержащих по 600 изображений в каждом. В каждом классе есть 500 обучающих изображений и 100 тестовых изображений. 100 классов в CIFAR-100 сгруппированы в 20 суперклассов. Каждое изображение имеет метку «точно» (класс, к которому оно принадлежит) и метку «грубо» (надкласс, к которому оно принадлежит).

Расколоть Примеры
'test' 10 000
'train' 50 000
  • Особенности :
FeaturesDict({
    'coarse_label': ClassLabel(shape=(), dtype=tf.int64, num_classes=20),
    'id': Text(shape=(), dtype=tf.string),
    'image': Image(shape=(32, 32, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=100),
})

Визуализация

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