Ayuda a proteger la Gran Barrera de Coral con TensorFlow en Kaggle Únete Challenge

imagenet_resized

Este conjunto de datos consiste en el conjunto de datos ImageNet redimensionado a un tamaño fijo. Las imágenes aquí son las proporcionadas por Chrabaszcz et. Alabama. usando el método de cambio de tamaño de caja.

Para downsampled IMAGEnet de aprendizaje no supervisado ver downsampled_imagenet .

Separar Ejemplos de
'train' 1,281,167
'validation' 50.000
@article{chrabaszcz2017downsampled,
  title={A downsampled variant of imagenet as an alternative to the cifar datasets},
  author={Chrabaszcz, Patryk and Loshchilov, Ilya and Hutter, Frank},
  journal={arXiv preprint arXiv:1707.08819},
  year={2017}
}

imagenet_resized / 8x8 (configuración predeterminada)

  • Descripción config: Imágenes de cambiar el tamaño a 8x8

  • Tamaño del paquete: 237.11 MiB

  • características:

FeaturesDict({
    'image': Image(shape=(8, 8, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1000),
})

Visualización

imagenet_resized / 16 x 16

  • Descripción de configuración: Las imágenes cambian de tamaño de 16x16

  • Tamaño del paquete: 923.34 MiB

  • características:

FeaturesDict({
    'image': Image(shape=(16, 16, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1000),
})

Visualización

imagenet_resized / 32x32

  • Descripción de configuración: Las imágenes cambian de tamaño de 32x32

  • Tamaño del paquete: 3.46 GiB

  • características:

FeaturesDict({
    'image': Image(shape=(32, 32, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1000),
})

Visualización

imagenet_resized / 64 x 64

  • Descripción de configuración: Las imágenes cambian de tamaño 64x64

  • Tamaño del paquete: 13.13 GiB

  • características:

FeaturesDict({
    'image': Image(shape=(64, 64, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1000),
})

Visualización