Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

imagenet_resize

Ten zestaw danych składa się z zestawu danych ImageNet przeskalowanego do stałego rozmiaru. Przedstawione tu zdjęcia pochodzą od Chrabaszcza i in. glin. przy użyciu metody zmiany rozmiaru pudełka.

Dla downsamplingiem IMAGEnet dla uczenia bez nadzoru zobaczyć downsampled_imagenet .

Podział Przykłady
'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_resize/8x8 (konfiguracja domyślna)

  • Opis config: Obrazy przeskalowane do 8x8

  • Wielkość pliku: 237.11 MiB

  • Cechy:

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

Wyobrażanie sobie

imagenet_resize/16x16

  • Config opis: Obrazy przeskalowane do 16x16

  • Wielkość pliku: 923.34 MiB

  • Cechy:

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

Wyobrażanie sobie

imagenet_resize/32x32

  • Config opis: Obrazy przeskalowane do 32x32

  • Wielkość pliku: 3.46 GiB

  • Cechy:

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

Wyobrażanie sobie

imagenet_resize/64x64

  • Config opis: Obrazy przeskalowane do 64x64

  • Wielkość pliku: 13.13 GiB

  • Cechy:

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

Wyobrażanie sobie