cifar100

Cet ensemble de données est comme le CIFAR-10, sauf qu'il comporte 100 classes contenant 600 images chacune. Il y a 500 images d'entraînement et 100 images de test par classe. Les 100 classes du CIFAR-100 sont regroupées en 20 superclasses. Chaque image est accompagnée d'une étiquette "fine" (la classe à laquelle elle appartient) et d'une étiquette "grossière" (la superclasse à laquelle elle appartient).

Diviser Exemples
'test' 10 000
'train' 50 000
  • Caractéristiques:
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),
})

Visualisation

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