cifar10_n

• বর্ণনা :

বাস্তব মানুষের টীকা ত্রুটি সহ CIFAR-10 এর একটি পুনঃলেবেলযুক্ত সংস্করণ। আসল CIFAR-10 ট্রেন সেটে প্রতিটি জোড়ার (ছবি, লেবেল) জন্য, এটি প্রকৃত মানব টীকাকারদের দ্বারা প্রদত্ত বেশ কয়েকটি অতিরিক্ত লেবেল সরবরাহ করে।

• হোমপেজ : https://ucsc-real.soe.ucsc.edu:1995/Home.html/

• সোর্স কোড : tfds.image_classification.cifar10_n.Cifar10N

• সংস্করণ :

  • 1.0.0 : প্রাথমিক প্রকাশ।
  • 1.0.1 : worse_label কীতে টাইপ করা হয়েছে।
  • 1.0.2 : টীকা এবং চিত্রের মধ্যে স্থির চিঠিপত্র।
  • 1.0.3 : 1.0.3 MANUAL_DIR ফিক্সড ফাইল।
  • 1.0.4 (ডিফল্ট): পার্শ্ব তথ্যের স্থির লোডিং।

• ডাউনলোড সাইজ : 162.17 MiB

• ডেটাসেটের আকার : 147.91 MiB

• ম্যানুয়াল ডাউনলোডের নির্দেশাবলী : এই ডেটাসেটের জন্য আপনাকে ডাউনলোড_config.manual_dir-এ ম্যানুয়ালি উৎস ডেটা download_config.manual_dir করতে হবে ( ~/tensorflow_datasets/downloads/manual/ ডিফল্ট):
  https://github.com/UCSC-REAL/cifar-10-100n থেকে 'side_info_cifar10N.csv', 'CIFAR-10_human_ordered.npy' এবং 'image_order_c10.npy' ডাউনলোড করুন

তারপর 'CIFAR-10_human_ordered.npy' কে একটি CSV ফাইল 'CIFAR-10_human_annotations.csv'-এ রূপান্তর করুন। এটি নিম্নলিখিত কোড দিয়ে করা যেতে পারে:

import numpy as np
from tensorflow_datasets.core.utils.lazy_imports_utils import pandas as pd
from tensorflow_datasets.core.utils.lazy_imports_utils import tensorflow as tf

human_labels_np_path = '<local_path>/CIFAR-10_human_ordered.npy'
human_labels_csv_path = '<local_path>/CIFAR-10_human_annotations.csv'

with tf.io.gfile.GFile(human_labels_np_path, "rb") as f:
  human_annotations = np.load(f, allow_pickle=True)

df = pd.DataFrame(human_annotations[()])

with tf.io.gfile.GFile(human_labels_csv_path, "w") as f:
  df.to_csv(f, index=False)

• স্বয়ংক্রিয় ক্যাশে ( ডকুমেন্টেশন ): হ্যাঁ

• বিভাজন :

• বৈশিষ্ট্য গঠন :

FeaturesDict({
    'aggre_label': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(32, 32, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'random_label1': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'random_label2': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'random_label3': ClassLabel(shape=(), dtype=int64, num_classes=10),
    'worker1_id': int64,
    'worker1_time': float32,
    'worker2_id': int64,
    'worker2_time': float32,
    'worker3_id': int64,
    'worker3_time': float32,
    'worse_label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})

• বৈশিষ্ট্য ডকুমেন্টেশন :

• তত্ত্বাবধান করা কী (দেখুন as_supervised doc ): None

• চিত্র ( tfds.show_examples ):

• উদাহরণ ( tfds.as_dataframe ):

• উদ্ধৃতি :

@inproceedings{wei2022learning,
  title={Learning with Noisy Labels Revisited: A Study Using Real-World Human
  Annotations},
  author={Jiaheng Wei and Zhaowei Zhu and Hao Cheng and Tongliang Liu and Gang
  Niu and Yang Liu},
  booktitle={International Conference on Learning Representations},
  year={2022},
  url={https://openreview.net/forum?id=TBWA6PLJZQm}
}