Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

downsampled_imagenet

Набор данных с изображениями двух разрешений (информацию о разрешении см. В названии конфигурации). Он используется для экспериментов по оценке плотности и генеративному моделированию.

Для ImageNet для нового размера контролируемого обучения ( ссылка ) см imagenet_resized .

Расколоть Примеры
'train' 1,281,149
'validation' 49 999
  • Особенности:
FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=tf.uint8),
})
@article{DBLP:journals/corr/OordKK16,
  author    = {A{"{a} }ron van den Oord and
               Nal Kalchbrenner and
               Koray Kavukcuoglu},
  title     = {Pixel Recurrent Neural Networks},
  journal   = {CoRR},
  volume    = {abs/1601.06759},
  year      = {2016},
  url       = {http://arxiv.org/abs/1601.06759},
  archivePrefix = {arXiv},
  eprint    = {1601.06759},
  timestamp = {Mon, 13 Aug 2018 16:46:29 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/OordKK16},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

downsampled_imagenet / 32x32 (конфигурация по умолчанию)

  • Описание Config: Набор данных , состоящий из изображений поездов и санкционирования разрешения 32х32.

  • Скачать Размер: 3.98 GiB

  • Фигура ( tfds.show_examples ):

Визуализация

downsampled_imagenet / 64x64

  • Описание Config: Набор данных , состоящий из изображений поездов и санкционирования разрешения 64x64.

  • Скачать Размер: 11.73 GiB

  • Фигура ( tfds.show_examples ):

Визуализация