Ayuda a proteger la Gran Barrera de Coral con TensorFlow en Kaggle Únete Challenge

downsampled_imagenet

Conjunto de datos con imágenes de 2 resoluciones (consulte el nombre de la configuración para obtener información sobre la resolución). Se utiliza para la estimación de densidad y experimentos de modelado generativo.

Para el cambio de tamaño IMAGEnet de aprendizaje supervisado ( enlace ) Ver imagenet_resized .

Separar Ejemplos de
'train' 1,281,149
'validation' 49,999
  • características:
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 (configuración predeterminada)

  • Descripción config: Un conjunto de datos que consta de imágenes de tren y validación de 32x32 resolución.

  • Tamaño del paquete: 3.98 GiB

  • Figura ( tfds.show_examples ):

Visualización

downsampled_imagenet / 64x64

  • Descripción config: Un conjunto de datos que consta de imágenes de tren y validación de 64x64 resolución.

  • Tamaño del paquete: 11.73 GiB

  • Figura ( tfds.show_examples ):

Visualización