Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

downsampled_imagenet

Zestaw danych z obrazami w 2 rozdzielczościach (patrz nazwa konfiguracji, aby uzyskać informacje o rozdzielczości). Służy do szacowania gęstości i eksperymentów modelowania generatywnego.

Na zmienionym IMAGEnet dla nadzorowanego uczenia się ( łącza ) Zobacz imagenet_resized .

Podział Przykłady
'train' 1,281,149
'validation' 49,999
  • Cechy:
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 (konfiguracja domyślna)

  • Opis config: Zestaw danych składa się z obrazów pociągu i walidacja rozmiar 32x32.

  • Wielkość pliku: 3.98 GiB

  • Rysunek ( tfds.show_examples ):

Wyobrażanie sobie

downsampled_imagenet/64x64

  • Opis config: Zestaw danych składa się z obrazów pociągu i walidacja rozmiar 64x64.

  • Wielkość pliku: 11.73 GiB

  • Rysunek ( tfds.show_examples ):

Wyobrażanie sobie