- תיאור :
ערכת נתונים עם תמונות של 2 רזולוציות (ראה שם תצורה למידע על הרזולוציה). הוא משמש להערכת צפיפות וניסויי מודלים גנרטיביים.
לשינוי גודל ImageNet ללמידה מפוקחת ( קישור ) ראה imagenet_resized
.
דף הבית : http://image-net.org/small/download.php
קוד מקור :
tfds.datasets.downsampled_imagenet.Builder
גרסאות :
-
2.0.0
(ברירת מחדל): API חדש מפוצל ( https://tensorflow.org/datasets/splits )
-
שמירה אוטומטית במטמון ( תיעוד ): לא
פיצולים :
לְפַצֵל | דוגמאות |
---|---|
'train' | 1,281,149 |
'validation' | 49,999 |
- מבנה תכונה :
FeaturesDict({
'image': Image(shape=(None, None, 3), dtype=uint8),
})
- תיעוד תכונה :
תכונה | מעמד | צוּרָה | Dtype | תיאור |
---|---|---|---|---|
FeaturesDict | ||||
תמונה | תמונה | (אין, אין, 3) | uint8 |
מפתחות בפיקוח (ראה
as_supervised
doc ):None
ציטוט :
@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 (תצורת ברירת המחדל)
תיאור תצורה : מערך נתונים המורכב מתמונות רכבת ואימות ברזולוציה של 32x32.
גודל הורדה :
3.98 GiB
גודל מערך נתונים :
3.05 GiB
איור ( tfds.show_examples ):
- דוגמאות ( tfds.as_dataframe ):
downsampled_imagenet/64x64
תיאור תצורה : מערך נתונים המורכב מתמונות רכבת ואימות ברזולוציה של 64x64.
גודל הורדה :
11.73 GiB
גודל מערך נתונים :
10.80 GiB
איור ( tfds.show_examples ):
- דוגמאות ( tfds.as_dataframe ):