- Descripción :
El conjunto de datos CIFAR-10 consta de 60000 imágenes en color de 32x32 en 10 clases, con 6000 imágenes por clase. Hay 50.000 imágenes de entrenamiento y 10.000 imágenes de prueba.
Documentación adicional : Explorar en artículos con código
Página de inicio : https://www.cs.toronto.edu/~kriz/cifar.html
Código fuente :
tfds.image_classification.Cifar10Versiones :
-
3.0.2(predeterminado): Sin notas de la versión.
-
Tamaño de descarga :
162.17 MiBTamaño del conjunto de datos :
132.40 MiBAlmacenamiento en caché automático ( documentación ): Sí
Divisiones :
| Dividir | Ejemplos |
|---|---|
'test' | 10.000 |
'train' | 50.000 |
- Estructura de características :
FeaturesDict({
'id': Text(shape=(), dtype=string),
'image': Image(shape=(32, 32, 3), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})
- Documentación de funciones :
| Característica | Clase | Forma | tipo D | Descripción |
|---|---|---|---|---|
| FuncionesDict | ||||
| identificación | Texto | cadena | ||
| imagen | Imagen | (32, 32, 3) | uint8 | |
| etiqueta | Etiqueta de clase | int64 |
Claves supervisadas (Ver documento
as_supervised):('image', 'label')Figura ( tfds.show_examples ):

- Ejemplos ( tfds.as_dataframe ):
- Citación :
@TECHREPORT{Krizhevsky09learningmultiple,
author = {Alex Krizhevsky},
title = {Learning multiple layers of features from tiny images},
institution = {},
year = {2009}
}