ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

cifar100

ชุดข้อมูลนี้เหมือนกับ CIFAR-10 ยกเว้นว่ามี 100 คลาสที่แต่ละ 600 ภาพ มีรูปภาพการฝึกอบรม 500 รูปและรูปภาพการทดสอบ 100 รูปต่อชั้นเรียน 100 คลาสใน CIFAR-100 ถูกจัดกลุ่มเป็น 20 ซูเปอร์คลาส แต่ละภาพมาพร้อมกับป้ายกำกับ "ดี" (คลาสที่เป็นของมัน) และป้ายกำกับ "แบบหยาบ" (ซูเปอร์คลาสที่เป็นของมัน)

แยก ตัวอย่าง
'test' 10,000
'train' 50,000
  • คุณสมบัติ:
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),
})

การสร้างภาพ

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