Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

stl10

  • Описание:

Набор данных STL-10 - это набор данных для распознавания изображений для разработки неконтролируемых функций обучения, глубокого обучения и алгоритмов самообучения. Он вдохновлен набором данных CIFAR-10, но с некоторыми изменениями. В частности, в каждом классе меньше помеченных обучающих примеров, чем в CIFAR-10, но для изучения моделей изображений перед обучением с учителем предоставляется очень большой набор немаркированных примеров. Основная задача состоит в том, чтобы использовать немаркированные данные (которые происходят из аналогичного, но отличного от помеченных данных распределения) для построения полезной априорной информации. Все изображения были взяты из помеченных примеров на ImageNet.

Расколоть Примеры
'test' 8 000
'train' 5 000
'unlabelled' 100 000
  • Особенности:
FeaturesDict({
    'image': Image(shape=(96, 96, 3), dtype=tf.uint8),
    'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
})

Визуализация

  • Образец цитирования:
@inproceedings{coates2011stl10,
  title={ {An Analysis of Single Layer Networks in Unsupervised Feature Learning} },
  author={Coates, Adam and Ng, Andrew and Lee, Honglak},
  booktitle={AISTATS},
  year={2011},
  note = {\url{https://cs.stanford.edu/~acoates/papers/coatesleeng_aistats_2011.pdf} },
}