猫狗分类

## 数据集描述 ### 数据集简介 本数据集是简单的猫狗二分类数据集，共2个类别，其中训练集包含275张带注释的图像，验证集包含70张带注释的图像。整个数据集共10.3MB，可用于快速模型验证、性能评估、小数据集训练等。 ### 数据集支持的任务 可用于快速模型验证、性能评估、小数据集训练等。 ## 数据集的格式和结构 ### 数据格式 数据集包括训练集train和验证集val，train和val文件夹之下按文件夹进行分类，共有2个子文件夹，同类别标签的图片在同一个文件夹下，图片格式为JPG。同时包含与标注文件中label id相对应的类名文件classname.txt。 ### 数据集加载方式 ```python from modelscope.msdatasets import MsDataset from modelscope.utils.constant import DownloadMode ms_train_dataset = MsDataset.load( 'cats_and_dogs', namespace='tany0699', subset_name='default', split='train') # 加载训练集 print(next(iter(ms_train_dataset))) ms_val_dataset = MsDataset.load( 'cats_and_dogs', namespace='tany0699', subset_name='default', split='validation') # 加载验证集 print(next(iter(ms_val_dataset))) ``` ### 数据分片 本数据集包含train和val数据集。 | 子数据集 | train | val | test | |---------|-------------:|-----------:|---------:| | default | 训练集 | 验证集 | / | ### Clone with HTTP ```bash git clone https://www.modelscope.cn/datasets/tany0699/cats_and_dogs.git ```### 数据集简介 本数据集为简易猫狗二分类数据集，共包含2个类别。其中训练集含275张带标注的图像，验证集含70张带标注的图像，整体数据集大小为10.3MB，可用于快速模型验证、性能评估以及小样本数据集训练等场景。 ### 数据集支持的任务 可应用于快速模型验证、性能评估、小样本数据集训练等任务场景。 ### 数据集的格式和结构 #### 数据格式 本数据集包含训练集（train）与验证集（val）两类子数据集，二者均按类别文件夹进行组织，共设2个子文件夹，同一类别的图像存储于对应同名文件夹中，图像格式为JPG。此外还包含与标注文件中标签ID相对应的类名文件`classname.txt`。 #### 数据集加载方式 python from modelscope.msdatasets import MsDataset from modelscope.utils.constant import DownloadMode ms_train_dataset = MsDataset.load( 'cats_and_dogs', namespace='tany0699', subset_name='default', split='train') # 加载训练集 print(next(iter(ms_train_dataset))) ms_val_dataset = MsDataset.load( 'cats_and_dogs', namespace='tany0699', subset_name='default', split='validation') # 加载验证集 print(next(iter(ms_val_dataset))) #### 数据分片 本数据集包含train与val两类子数据集。 | 子数据集 | 训练集（train） | 验证集（val） | 测试集（test） | |---------|-------------:|-----------:|---------:| | default | 训练集 | 验证集 | 无 | #### 通过HTTP克隆 bash git clone https://www.modelscope.cn/datasets/tany0699/cats_and_dogs.git

搜集汇总

背景与挑战

背景概述

该数据集是一个猫狗二分类图像数据集，包含2个类别，训练集有275张图像，验证集有70张图像，总大小为10.3MB，适用于快速模型验证和小数据集训练。数据以JPG格式存储，按类别分文件夹组织，并附带类别名称文件，采用Apache License 2.0许可证。