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

kmnist

  • توضیحات :

Kuzushiji-MNIST جایگزینی برای مجموعه داده های MNIST است (در مقیاس خاکستری 28 x 28 ، 70 هزار تصویر) ، که در قالب MNIST اصلی و همچنین قالب NumPy ارائه شده است. از آنجا که MNIST ما را به 10 کلاس محدود می کند ، هنگام ایجاد Kuzushiji-MNIST ، یک شخصیت را برای نمایش هر یک از 10 ردیف هیراگانا انتخاب کردیم.

شکاف مثال ها
'test' 10000
'train' 60،000
  • ویژگی ها :
FeaturesDict({
    'image': Image(shape=(28, 28, 1), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
})
  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): ('image', 'label')

  • نقل قول :

@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},
}

تجسم