cifar100

• Descrição :

Este conjunto de dados é igual ao CIFAR-10, exceto que possui 100 classes contendo 600 imagens cada. Existem 500 imagens de treinamento e 100 imagens de teste por aula. As 100 classes do CIFAR-100 são agrupadas em 20 superclasses. Cada imagem vem com um rótulo “fino” (a classe à qual pertence) e um rótulo “grosso” (a superclasse à qual pertence).

• Documentação adicional : Explore artigos com código north_east

• Página inicial : https://www.cs.toronto.edu/~kriz/cifar.html

• Código fonte : tfds.image_classification.Cifar100

• Versões :

  • 3.0.2 (padrão): Sem notas de lançamento.

• Tamanho do download : 160.71 MiB

• Tamanho do conjunto de dados : 132.03 MiB

• Armazenado em cache automaticamente ( documentação ): Sim

• Divisões :

• Estrutura de recursos :

FeaturesDict({
    'coarse_label': ClassLabel(shape=(), dtype=int64, num_classes=20),
    'id': Text(shape=(), dtype=string),
    'image': Image(shape=(32, 32, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=100),
})

• Documentação de recursos :

• Chaves supervisionadas (consulte o documento as_supervised ): ('image', 'label')

• Figura ( tfds.show_examples ):

• Exemplos ( tfds.as_dataframe ):

• Citação :

@TECHREPORT{Krizhevsky09learningmultiple,
    author = {Alex Krizhevsky},
    title = {Learning multiple layers of features from tiny images},
    institution = {},
    year = {2009}
}