امروز برای رویداد محلی TensorFlow خود در همه جا پاسخ دهید!
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

celeb_a_hq

  • توضیحات :

نسخه با کیفیت بالا از مجموعه داده های CELEBA ، متشکل از 30000 تصویر با وضوح 1024 x 1024.

  • صفحه اصلی : https://github.com/tkarras/progressive_growing_gan_gans

  • کد منبع : tfds.image.CelebAHq

  • نسخه ها :

  • اندازه بارگیری : Unknown size

  • اندازه مجموعه داده : Unknown size

  • دستورالعمل های بارگیری دستی : برای این مجموعه داده لازم است که داده های منبع را به صورت دستی در download_config.manual_dir (به طور پیش فرض ~/tensorflow_datasets/downloads/manual/ ):
    manual_dir باید شامل چندین فایل tar با تصاویر باشد (data2x2.tar ، data4x4.tar .. data1024x1024.tar). دستورالعمل های دقیق در اینجا: https://github.com/tkarras/ رشد_موفق_عاملها # آماده سازی-مجموعه داده ها-برای-آموزش

  • ذخیره خودکار ( مستندات ): ناشناخته است

  • تقسیم :

شکاف مثال ها
'train' 30000

  • کلیدهای تحت نظارت (به as_supervised سند نظارت شده مراجعه کنید): None

  • نقل قول :

@article{DBLP:journals/corr/abs-1710-10196,
  author    = {Tero Karras and
               Timo Aila and
               Samuli Laine and
               Jaakko Lehtinen},
  title     = {Progressive Growing of GANs for Improved Quality, Stability, and Variation},
  journal   = {CoRR},
  volume    = {abs/1710.10196},
  year      = {2017},
  url       = {http://arxiv.org/abs/1710.10196},
  archivePrefix = {arXiv},
  eprint    = {1710.10196},
  timestamp = {Mon, 13 Aug 2018 16:46:42 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/abs-1710-10196},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

celeb_a_hq / 1024 (پیکربندی پیش فرض)

  • توضیحات پیکربندی : تصاویر CelebaHQ با وضوح 1024 x 1024

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(1024, 1024, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم

celeb_a_hq / 512

  • توضیحات پیکربندی : تصاویر CelebaHQ با وضوح 512 x 512

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(512, 512, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم

celeb_a_hq / 256

  • توضیحات پیکربندی : تصاویر CelebaHQ با وضوح 256 25 256

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(256, 256, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم

celeb_a_hq / 128

  • شرح پیکربندی : تصاویر CelebaHQ با وضوح 128 128 128

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(128, 128, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم

celeb_a_hq / 64

  • شرح پیکربندی : تصاویر CelebaHQ با وضوح 64 x 64

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(64, 64, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم

celeb_a_hq / 32

  • شرح پیکربندی : تصاویر CelebaHQ با رزولوشن 32 x 32

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(32, 32, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم

celeb_a_hq / 16

  • توضیحات پیکربندی : تصاویر CelebaHQ با وضوح 16 x 16

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(16, 16, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم

celeb_a_hq / 8

  • شرح پیکربندی : تصاویر CelebaHQ با وضوح 8 x 8

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(8, 8, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم

celeb_a_hq / 4

  • توضیحات پیکربندی : تصاویر CelebaHQ با وضوح 4 x 4

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(4, 4, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم

celeb_a_hq / 2

  • توضیحات پیکربندی : تصاویر CelebaHQ با وضوح 2 2 2

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(2, 2, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم

celeb_a_hq / 1

  • توضیحات پیکربندی : تصاویر CelebaHQ با وضوح 1 x 1

  • ویژگی ها :

FeaturesDict({
    'image': Image(shape=(1, 1, 3), dtype=tf.uint8),
    'image/filename': Text(shape=(), dtype=tf.string),
})

تجسم