altörneklenmiş_imagenet

  • Tanım :

2 çözünürlüklü görüntüleri içeren veri kümesi (çözünürlük hakkında bilgi için yapılandırma adına bakın). Yoğunluk tahmini ve üretken modelleme deneyleri için kullanılır.

Denetimli öğrenmeye yönelik ImageNet'in yeniden boyutlandırılması için ( bağlantı ) bkz. imagenet_resized .

Bölmek Örnekler
'train' 1.281.149
'validation' 49.999
  • Özellik yapısı :
FeaturesDict({
    'image': Image(shape=(None, None, 3), dtype=uint8),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtipi Tanım
ÖzelliklerDict
resim Resim (Yok, Yok, 3) 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 (varsayılan yapılandırma)

  • Yapılandırma açıklaması : 32x32 çözünürlükte Eğitim ve Doğrulama görüntülerinden oluşan bir veri kümesi.

  • İndirme boyutu : 3.98 GiB

  • Veri kümesi boyutu : 3.05 GiB

  • Şekil ( tfds.show_examples ):

Görselleştirme

altörneklenmiş_imagenet/64x64

  • Yapılandırma açıklaması : 64x64 çözünürlükte Eğitim ve Doğrulama görüntülerinden oluşan bir veri kümesi.

  • İndirme boyutu : 11.73 GiB

  • Veri kümesi boyutu : 10.80 GiB

  • Şekil ( tfds.show_examples ):

Görselleştirme