cifar100

Este conjunto de dados é igual ao CIFAR-10, exceto que possui 100 classes contendo 600 imagens cada. Existem 500 imagens de treinamento e 100 imagens de teste por classe. 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 "grosseiro" (a superclasse à qual pertence).

Dividir Exemplos
'test' 10.000
'train' 50.000
  • Estrutura de recursos :
FeaturesDict({
    'coarse_label': ClassLabel(shape=(), dtype=int64, num_classes=20),
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(32, 32, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=100),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
RecursosDict
grosseiro_label ClassLabel int64
Eu iria Texto corda
imagem Imagem (32, 32, 3) uint8
etiqueta ClassLabel int64

Visualização

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

Este conjunto de dados é igual ao CIFAR-10, exceto que possui 100 classes contendo 600 imagens cada. Existem 500 imagens de treinamento e 100 imagens de teste por classe. 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 "grosseiro" (a superclasse à qual pertence).

Dividir Exemplos
'test' 10.000
'train' 50.000
  • Estrutura de recursos :
FeaturesDict({
    'coarse_label': ClassLabel(shape=(), dtype=int64, num_classes=20),
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(32, 32, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=100),
})
  • Documentação do recurso:
Característica Classe Forma Tipo D Descrição
RecursosDict
grosseiro_label ClassLabel int64
Eu iria Texto corda
imagem Imagem (32, 32, 3) uint8
etiqueta ClassLabel int64

Visualização

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