O Dia da Comunidade de ML é dia 9 de novembro! Junte-nos para atualização de TensorFlow, JAX, e mais Saiba mais

cifar100

Este conjunto de dados é semelhante ao CIFAR-10, exceto por ter 100 classes contendo 600 imagens cada. Existem 500 imagens de treinamento e 100 imagens de teste por aula. As 100 classes do CIFAR-100 são agrupadas em 20 superclasses. Cada imagem vem com um rótulo "fino" (a classe à qual pertence) e um rótulo "grosso" (a superclasse à qual pertence).

Dividir Exemplos
'test' 10.000
'train' 50.000
  • Características:
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),
})

Visualização

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