Visualisation : Explorer dans Know Your Data
Descriptif :
Kuzushiji-MNIST est un remplacement direct du jeu de données MNIST (niveaux de gris 28x28, 70 000 images), fourni au format MNIST d'origine ainsi qu'au format NumPy. Étant donné que MNIST nous limite à 10 classes, nous avons choisi un caractère pour représenter chacune des 10 lignes de Hiragana lors de la création de Kuzushiji-MNIST.
Documentation complémentaire : Explorer sur Papers With Code
Page d' accueil : http://codh.rois.ac.jp/kmnist/index.html.en
Code source :
tfds.image_classification.KMNIST
Versions :
-
3.0.1
(par défaut) : aucune note de version.
-
Taille du téléchargement :
20.26 MiB
Taille du jeu de données :
31.76 MiB
Mise en cache automatique ( documentation ): Oui
Fractionnements :
Diviser | Exemples |
---|---|
'test' | 10 000 |
'train' | 60 000 |
- Structure des fonctionnalités :
FeaturesDict({
'image': Image(shape=(28, 28, 1), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
- Documentation des fonctionnalités :
Caractéristique | Classer | Forme | Dtype | La description |
---|---|---|---|---|
FonctionnalitésDict | ||||
image | Image | (28, 28, 1) | uint8 | |
étiquette | Étiquette de classe | int64 |
Clés supervisées (Voir
as_supervised
doc ):('image', 'label')
Figure ( tfds.show_examples ):
- Exemples ( tfds.as_dataframe ):
- Citation :
@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},
}