CIFAR-100 数据集#

CIFAR-100（Canadian Institute For Advanced Research）数据集是一个图像分类基准，包含 60,000 张 32x32 的彩色图像，均匀分布在 100 个细粒度类别中（每个类别 600 张图像），这些类别又被分组成 20 个粗粒度超类。它由 Alex Krizhevsky 创建，自带预定义的 50,000 张训练图像和 10,000 张测试图像分割，这使其成为CIFAR-10数据集更难、更细粒度的姊妹数据集。

主要特性#

• CIFAR-100 包含 60,000 张 32x32 像素的彩色图像，均匀分为 100 个类别。
• 每个类别恰好包含 600 张图像——500 张用于训练，100 张用于测试——因此该数据集是完美平衡的。
• 100 个细粒度类别被归纳为 20 个粗粒度超类，用于更高级别的分类。
• 该数据集自带预定义的训练/测试分割，因此无需手动或自动进行分割。
• CIFAR-100 是用于细粒度图像分类和对象识别研究的标准基准。

数据集结构#

CIFAR-100 附带官方预定义的划分，因此无需自动或手动拆分：

• 类别：100 个细粒度类别，归纳为 20 个粗粒度超类
• 图像总数：60,000 张（32x32 彩色）
• 训练集：50,000 张图像（每类 500 张）
• 测试集：10,000 张图像（每类 100 张）

应用#

CIFAR-100 广泛用于训练和评估图像分类模型，从经典的卷积神经网络（CNN）和支持向量机（SVM）到现代深度架构。其 100 个细粒度类别和小图像尺寸使其成为机器学习研究、算法比较和计算机视觉实验的严苛基准。

用法#

在 CIFAR-100 上训练 YOLO 模型，图像大小为 32，训练 100 个轮次。有关可用参数的完整列表，请参阅训练页面和图像分类任务指南。

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)

样本图像和标注#

来自 CIFAR-100 数据集的示例图像：

这些样本展示了 CIFAR-100 数据集中物体的多样性，凸显了多样化数据集对于训练鲁棒图像分类模型的价值。

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：

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

我们要感谢 Alex Krizhevsky 创建和维护 CIFAR-100 数据集，为机器学习和计算机视觉研究社区提供了一项宝贵的资源。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。

常见问题解答#

CIFAR-100 数据集在机器学习中有什么用途？#

CIFAR-100 数据集被广泛用于训练和评估细粒度图像分类以及物体识别模型。它包含 60,000 张 32x32 的彩色图像，分为 100 个类别，这些类别又归纳为 20 个超类，这使其成为比 CIFAR-10 更具挑战性的基准测试，适用于卷积神经网络 (CNN) 和支持向量机 (SVM) 等算法，以及用于评估使用 Ultralytics YOLO 构建的深度学习模型。

我该如何在 CIFAR-100 数据集上训练 Ultralytics YOLO 模型？#

要在 CIFAR-100 上训练 Ultralytics YOLO 模型，请使用下面的代码片段。数据集在首次使用时会自动下载。有关参数的完整列表，请参阅模型训练页面。

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)

CIFAR-100 数据集有多少个类别？#

CIFAR-100 拥有 100 个细粒度类别——例如苹果、海豚、枫树、摩托车和火箭——每个类别正好有 600 张图像，总共 60,000 张图像。这 100 个类别还被分组成 20 个粗粒度超类（例如，树木超类涵盖枫树、橡树、棕榈树、松树和柳树）。使用 data="cifar100" 进行训练会使用这 100 个细粒度类别。

CIFAR-100 数据集是如何划分为训练集和测试集的？#

CIFAR-100 附带了预定义的 50,000 张训练图像和 10,000 张测试图像的划分，每类恰好有 500 张训练图像和 100 张测试图像。与 Ultralytics 自动拆分的基于文件夹的分类数据集不同，CIFAR-100 的官方分区按原样使用，且测试集在训练期间默认用作验证集。

我可以使用 Ultralytics Platform 在 CIFAR-100 数据集上训练模型吗？#

是的。Ultralytics Platform 允许你管理数据集、训练图像分类模型并在无需大量编码的情况下部署它们。这是在云端运行 CIFAR-100 实验的便捷方式，你可以在我们的分类数据集概述中探索更多选项。