امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

imagenet2012_subset

  • توضیحات :

Imagenet2012Subset زیرمجموعه ای از مجموعه داده اصلی ImageNet ILSVRC 2012 است. مجموعه داده از همان اعتبارسنجی به عنوان مجموعه داده اصلی ImageNet ILSVRC 2012 استفاده می کند. با این حال ، مجموعه آموزش به صورت برچسب متعادل نمونه برداری می شود. در پیکربندی 1pct ، 1٪ یا 12811 ، از تصاویر نمونه برداری می شود ، اکثر کلاسها دارای همان تعداد تصویر هستند (به طور متوسط ​​12.8) ، بعضی از کلاسها به طور تصادفی 1 مثال بیشتر از بقیه دارند. و در 10pct پیکربندی، ~ 10٪، و یا 128116، بیشتر کلاس ها را به همان تعداد از تصاویر (به طور متوسط 128) و برخی از کلاس های به صورت تصادفی 1 به عنوان مثال بیش از دیگران است.

این امر قرار است به عنوان معیاری برای یادگیری نیمه نظارت شده مورد استفاده قرار گیرد و در اصل در مقاله SimCLR ( https://arxiv.org/abs/2002.05709 ) استفاده شده است.

  • صفحه اصلی : http://image-net.org/

  • کد منبع : tfds.image_classification.Imagenet2012Subset

  • نسخه ها :

    • 2.0.0 : برچسب های اعتبار سنجی را برطرف کنید.
    • 2.0.1 : رفع کدگذاری. هیچ تغییری از نظر کاربر وجود ندارد.
    • 3.0.0 : رنگ آمیزی را روی 12 تصویر ~ رفع کنید (CMYK -> RGB). قالب را برای سازگاری اصلاح کنید (تصویر png را به Jpeg تبدیل کنید). خواندن نسل سریعتر مستقیماً از بایگانی.

    • 4.0.0 : (منتشر نشده)

    • 5.0.0 (پیش فرض): API جدید تقسیم شده ( https://tensorflow.org/datasets/splits )

    • 5.1.0 : تقسیم آزمون اضافه شده است.

  • دستورالعمل های بارگیری دستی : برای این مجموعه داده لازم است که داده های منبع را به صورت دستی در download_config.manual_dir (به طور پیش فرض ~/tensorflow_datasets/downloads/manual/ ):
    manual_dir باید شامل دو پرونده باشد: ILSVRC2012_img_train.tar و ILSVRC2012_img_val.tar. برای دریافت پیوند بارگیری مجموعه داده ، باید در http://www.image-net.org/download-images ثبت نام کنید .

  • ذخیره خودکار ( مستندات ): خیر

  • ویژگی ها :

FeaturesDict({
    'file_name': Text(shape=(), dtype=tf.string),
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1000),
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('image', 'label')

  • نقل قول :

@article{chen2020simple,
  title={A Simple Framework for Contrastive Learning of Visual Representations},
  author={Chen, Ting and Kornblith, Simon and Norouzi, Mohammad and Hinton, Geoffrey},
  journal={arXiv preprint arXiv:2002.05709},
  year={2020}
}
@article{ILSVRC15,
  Author = {Olga Russakovsky and Jia Deng and Hao Su and Jonathan Krause and Sanjeev Satheesh and Sean Ma and Zhiheng Huang and Andrej Karpathy and Aditya Khosla and Michael Bernstein and Alexander C. Berg and Li Fei-Fei},
  Title = { {ImageNet Large Scale Visual Recognition Challenge} },
  Year = {2015},
  journal   = {International Journal of Computer Vision (IJCV)},
  doi = {10.1007/s11263-015-0816-y},
  volume={115},
  number={3},
  pages={211-252}
}

imagenet2012_subset / 1pct (پیکربندی پیش فرض)

  • توضیحات پیکربندی : 1 درصد از کل مجموعه آموزش ImageNet.

  • حجم 254.22 KiB : 254.22 KiB

  • اندازه مجموعه داده : 7.61 GiB

  • تقسیم :

شکاف مثال ها
'train' 12،811
'validation' 50،000

تجسم

imagenet2012_subset / 10pct

  • توضیحات پیکربندی : 10 درصد از کل مجموعه آموزش ImageNet.

  • اندازه بارگیری : 2.48 MiB

  • اندازه مجموعه داده : 19.91 GiB

  • تقسیم :

شکاف مثال ها
'train' 128،116
'validation' 50،000

تجسم