- توضیحات :
این مجموعه داده دقیقاً مانند CIFAR-10 است ، با این تفاوت که دارای 100 کلاس شامل هر کدام از 600 تصویر است. در هر کلاس 500 تصویر آموزشی و 100 تصویر تست وجود دارد. 100 کلاس موجود در CIFAR-100 در 20 کلاس فوق کلاس دسته بندی می شوند. هر تصویر با یک برچسب "خوب" (کلاسی که به آن تعلق دارد) و یک برچسب "درشت" (ابر کلاس که به آن تعلق دارد) ارائه می شود.
صفحه اصلی : https://www.cs.toronto.edu/~kriz/cifar.html
کد منبع :
tfds.image_classification.Cifar100
نسخه ها :
-
3.0.2
(پیش فرض): بدون یادداشت انتشار.
-
اندازه
160.71 MiB
:160.71 MiB
اندازه مجموعه داده :
132.03 MiB
ذخیره خودکار ( مستندات ): بله
تقسیم :
شکاف | مثال ها |
---|---|
'test' | 10000 |
'train' | 50،000 |
- ویژگی ها :
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),
})
کلیدهای تحت نظارت (به
as_supervised
سند نظارت شده مراجعه کنید):('image', 'label')
نقل قول :
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}
- شکل ( tfds.show_examples ):
- مثالها ( tfds.as_dataframe ):