Визуализация: Исследовать в Know Ваши данные
Описание:
Набор данных CIFAR-10.1 - это новый набор тестов для CIFAR-10. CIFAR-10.1 содержит примерно 2000 новых тестовых изображений, которые были взяты после нескольких лет исследований исходного набора данных CIFAR-10. Сбор данных для CIFAR-10.1 был разработан для минимизации сдвига распределения по сравнению с исходным набором данных. Мы описываем создание CIFAR-10.1 в статье «Обобщаются ли классификаторы CIFAR-10 на CIFAR-10?». Изображения в CIFAR-10.1 являются подмножеством набора данных TinyImages. В настоящее время существует две версии набора данных CIFAR-10.1: v4 и v6.
Домашняя страница: https://github.com/modestyachts/CIFAR-10.1
Исходный код:
tfds.image_classification.Cifar10_1
Версии:
-
1.1.0
( по умолчанию): Нет Замечания к выпуску.
-
Авто-кэшируются ( документация ): Да
Особенности:
FeaturesDict({
'image': Image(shape=(32, 32, 3), dtype=tf.uint8),
'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
})
Контролируемые ключи (см
as_supervised
документ ):('image', 'label')
Образец цитирования:
@article{recht2018cifar10.1,
author = {Benjamin Recht and Rebecca Roelofs and Ludwig Schmidt and Vaishaal Shankar},
title = {Do CIFAR-10 Classifiers Generalize to CIFAR-10?},
year = {2018},
note = {\url{https://arxiv.org/abs/1806.00451} },
}
@article{torralba2008tinyimages,
author = {Antonio Torralba and Rob Fergus and William T. Freeman},
journal = {IEEE Transactions on Pattern Analysis and Machine Intelligence},
title = {80 Million Tiny Images: A Large Data Set for Nonparametric Object and Scene Recognition},
year = {2008},
volume = {30},
number = {11},
pages = {1958-1970}
}
cifar10_1 / v4 (конфигурация по умолчанию)
Описание конфигурации: Это первая версия нашего набора данных , на котором мы тестировали любой классификатор. Как упоминалось выше, это делает набор данных v4 независимым от классификаторов, которые мы оцениваем. Цифры, представленные в основных разделах нашей статьи, используют эту версию набора данных. Он был построен из 25 лучших ключевых слов TinyImages для каждого класса, что привело к небольшому дисбалансу классов. Самая большая разница в том, что корабли составляют только 8% тестовой выборки вместо 10%. v4 содержит 2021 изображение.
Скачать Размер:
5.93 MiB
Dataset Размер:
4.46 MiB
расколы:
Расколоть | Примеры |
---|---|
'test' | 2 021 |
- Фигура ( tfds.show_examples ):
- Примеры ( tfds.as_dataframe ):
cifar10_1 / v6
Описание Config: Оно происходит от немного улучшить распределение ключевых слов , что это именно класс сбалансирован. Эта версия набора данных соответствует результатам в Приложении D нашей статьи. v6 содержит 2000 изображений.
Скачать Размер:
5.87 MiB
Dataset Размер:
4.40 MiB
расколы:
Расколоть | Примеры |
---|---|
'test' | 2 000 |
- Фигура ( tfds.show_examples ):
- Примеры ( tfds.as_dataframe ):