Link to this sectionCIFAR-100 数据集#

CIFAR-100（加拿大高级研究院）数据集是 CIFAR-10 数据集的重要扩展，由 100 个不同类别的 60,000 张 32x32 彩色图像组成。它由 CIFAR 研究所的研究人员开发，为更复杂的机器学习和计算机视觉任务提供了一个更具挑战性的数据集。

Watch: How to Train Ultralytics YOLO26 on CIFAR-100 | Step-by-Step Image Classification Tutorial 🚀

Link to this section主要特性#

CIFAR-100 数据集包含 60,000 张图像，分为 100 个类别。
每个类别包含 600 张图像，其中 500 张用于训练，100 张用于测试。
这些图像为彩色，大小为 32x32 像素。
100 个不同的类别被划分为 20 个粗粒度类别，以便进行更高层级的分类。
CIFAR-100 常用于机器学习和计算机视觉领域的训练与测试。

Link to this section数据集结构#

CIFAR-100 数据集分为两个子集：

训练集：该子集包含 50,000 张图像，用于训练机器学习模型。
测试集：该子集包含 10,000 张用于测试和基准评估已训练模型的图像。

The CIFAR-100 dataset is extensively used for training and evaluating deep learning models in image classification tasks, such as Convolutional Neural Networks (CNNs), Support Vector Machines (SVMs), and various other machine learning algorithms. The diversity of the dataset in terms of classes and the presence of color images make it a more challenging and comprehensive dataset for research and development in the field of machine learning and computer vision.

Link to this section用法#

若要使用 32x32 的图像尺寸在 CIFAR-100 数据集上训练 YOLO 模型 100 个 epoch，你可以使用以下代码片段。有关可用参数的完整列表，请参阅模型训练页面。

训练示例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="cifar100", epochs=100, imgsz=32)

Link to this section样本图像和标注#

CIFAR-100 数据集包含各种物体的彩色图像，为图像分类任务提供了一个结构良好的数据集。以下是来自该数据集的一些图像示例：

CIFAR-100 图像分类数据集样本

该示例展示了 CIFAR-100 数据集中物体的多样性和复杂性，强调了多样化数据集对于训练稳健的图像分类模型的重要性。

Link to this section引用与致谢#

如果你在研究或开发工作中使用 CIFAR-100 数据集，请引用以下论文：

引用

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

我们要感谢 Alex Krizhevsky 创建并维护了 CIFAR-100 数据集，将其作为机器学习和计算机视觉研究社区的一项宝贵资源。有关 CIFAR-100 数据集及其创建者的更多信息，请访问 CIFAR-100 数据集网站。

Link to this section常见问题解答#

Link to this section什么是 CIFAR-100 数据集，它为什么重要？#

The CIFAR-100 dataset is a large collection of 60,000 32x32 color images classified into 100 classes. Developed by the Canadian Institute For Advanced Research (CIFAR), it provides a challenging dataset ideal for complex machine learning and computer vision tasks. Its significance lies in the diversity of classes and the small size of the images, making it a valuable resource for training and testing deep learning models, like Convolutional Neural Networks (CNNs), using frameworks such as Ultralytics YOLO.

Link to this section如何使用 CIFAR-100 数据集训练 YOLO 模型？#

你可以使用 Python 或 CLI 命令在 CIFAR-100 数据集上训练 YOLO 模型。方法如下：

训练示例

from ultralytics import YOLO

# Load a model
model = YOLO("yolo26n-cls.pt")  # load a pretrained model (recommended for training)

# Train the model
results = model.train(data="cifar100", epochs=100, imgsz=32)

有关可用参数的完整列表，请参阅模型训练页面。