التصور : استكشف في اعرف بياناتك
الوصف :
Kuzushiji-MNIST هو بديل سريع لمجموعة بيانات MNIST (28 × 28 تدرج رمادي ، 70000 صورة) ، المقدمة بتنسيق MNIST الأصلي بالإضافة إلى تنسيق NumPy. نظرًا لأن MNIST يقصرنا على 10 فئات ، فقد اخترنا حرفًا واحدًا لتمثيل كل من الصفوف العشرة من Hiragana عند إنشاء Kuzushiji-MNIST.
وثائق إضافية : استكشف في الأوراق باستخدام الرمز
الصفحة الرئيسية : http://codh.rois.ac.jp/kmnist/index.html.en
كود المصدر :
tfds.image_classification.KMNIST
إصدارات :
-
3.0.1
(افتراضي): لا توجد ملاحظات حول الإصدار.
-
حجم التحميل :
20.26 MiB
حجم مجموعة البيانات :
31.76 MiB
التخزين المؤقت التلقائي ( الوثائق ): نعم
الانقسامات :
انشق، مزق | أمثلة |
---|---|
'test' | 10000 |
'train' | 60.000 |
- هيكل الميزة :
FeaturesDict({
'image': Image(shape=(28, 28, 1), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
- وثائق الميزة :
ميزة | فصل | شكل | نوع | وصف |
---|---|---|---|---|
الميزات | ||||
صورة | صورة | (28 ، 28 ، 1) | uint8 | |
ضع الكلمة المناسبة | ClassLabel | int64 |
المفاتيح الخاضعة للإشراف (راجع المستند
as_supervised
):('image', 'label')
الشكل ( tfds.show_examples ):
- أمثلة ( tfds.as_dataframe ):
- الاقتباس :
@online{clanuwat2018deep,
author = {Tarin Clanuwat and Mikel Bober-Irizar and Asanobu Kitamoto and Alex Lamb and Kazuaki Yamamoto and David Ha},
title = {Deep Learning for Classical Japanese Literature},
date = {2018-12-03},
year = {2018},
eprintclass = {cs.CV},
eprinttype = {arXiv},
eprint = {cs.CV/1812.01718},
}