Python tf.keras.datasets.cifar100.load_data用法及代码示例

加载 CIFAR100 数据集。

用法

tf.keras.datasets.cifar100.load_data(
    label_mode='fine'
)

参数

label_mode "fine"、"coarse" 之一。如果是"fine"，则类别标签是细粒度标签，如果是"coarse"，则输出标签是coarse-grained 超类。

NumPy 数组元组：(x_train, y_train), (x_test, y_test)。

这是一个包含 50,000 个 32x32 颜色训练图像和 10,000 个测试图像的数据集，标记了 100 多个细粒度类，这些类被分组为 20 个coarse-grained 类。在 CIFAR 主页上查看更多信息。

x_train:uint8 具有形状的灰度图像数据的 NumPy 数组(50000, 32, 32, 3)，包含训练数据。像素值范围从 0 到 255。

y_train:uint8 NumPy 形状的标签数组(0-99 范围内的整数)(50000, 1)对于训练数据。

x_test:uint8 具有形状的灰度图像数据的 NumPy 数组(10000, 32, 32, 3)，包含测试数据。像素值范围从 0 到 255。

y_test:uint8 NumPy 形状的标签数组(0-99 范围内的整数)(10000, 1)为测试数据。

例子：

(x_train, y_train), (x_test, y_test) = keras.datasets.cifar100.load_data()
assert x_train.shape == (50000, 32, 32, 3)
assert x_test.shape == (10000, 32, 32, 3)
assert y_train.shape == (50000, 1)
assert y_test.shape == (10000, 1)

相关用法

注：本文由纯净天空筛选整理自tensorflow.org大神的英文原创作品 tf.keras.datasets.cifar100.load_data。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法

参数

返回

例子：