Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

cifar100

Ten zbiór danych jest taki sam jak CIFAR-10, z wyjątkiem tego, że ma 100 klas zawierających po 600 obrazów każda. Istnieje 500 obrazów szkoleniowych i 100 obrazów testowych na zajęcia. 100 klas w CIFAR-100 jest pogrupowanych w 20 superklas. Każdy obraz ma etykietę „dokładną” (klasa, do której należy) i etykieta „gruba” (nadklasa, do której należy).

Podział Przykłady
'test' 10 000
'train' 50 000
  • Cechy:
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),
})

Wyobrażanie sobie

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