cifar100

• Görselleştirme : Verilerinizi north_east keşfedin

• Açıklama :

Bu veri kümesi, her biri 600 görüntü içeren 100 sınıfa sahip olması dışında, CIFAR-10 gibidir. Sınıf başına 500 eğitim görüntüsü ve 100 test görüntüsü vardır. CIFAR-100'deki 100 sınıf, 20 üst sınıfa ayrılmıştır. Her görüntü bir "iyi" etiketi (ait olduğu sınıf) ve bir "kaba" etiketi (ait olduğu üst sınıf) ile birlikte gelir.

• Ek Belgeler : north_east Belgeleri Keşfedin

• Anasayfa : https://www.cs.toronto.edu/~kriz/cifar.html

• Kaynak kodu : tfds.image_classification.Cifar100

• sürümler :

  • 3.0.2 (varsayılan): Sürüm notu yok.

• İndirme boyutu : 160.71 MiB

• Veri kümesi boyutu : 132.03 MiB

• Otomatik önbelleğe alınmış ( belgeleme ): Evet

• bölmeler :

• Özellik yapısı :

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),
})

• Özellik belgeleri :

• Denetlenen anahtarlar (Bkz as_supervised doc ): ('image', 'label')

• Şekil ( tfds.show_examples ):

• Örnekler ( tfds.as_dataframe ):

• Alıntı :

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

• Görselleştirme : Verilerinizi north_east keşfedin

• Açıklama :

Bu veri kümesi, her biri 600 görüntü içeren 100 sınıfa sahip olması dışında, CIFAR-10 gibidir. Sınıf başına 500 eğitim görüntüsü ve 100 test görüntüsü vardır. CIFAR-100'deki 100 sınıf, 20 üst sınıfa ayrılmıştır. Her görüntü bir "iyi" etiketi (ait olduğu sınıf) ve bir "kaba" etiketi (ait olduğu üst sınıf) ile birlikte gelir.

• Ek Belgeler : north_east Belgeleri Keşfedin

• Anasayfa : https://www.cs.toronto.edu/~kriz/cifar.html

• Kaynak kodu : tfds.image_classification.Cifar100

• sürümler :

  • 3.0.2 (varsayılan): Sürüm notu yok.

• İndirme boyutu : 160.71 MiB

• Veri kümesi boyutu : 132.03 MiB

• Otomatik önbelleğe alınmış ( belgeleme ): Evet

• bölmeler :

• Özellik yapısı :

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),
})

• Özellik belgeleri :

• Denetlenen anahtarlar (Bkz as_supervised doc ): ('image', 'label')

• Şekil ( tfds.show_examples ):

• Örnekler ( tfds.as_dataframe ):

• Alıntı :

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