Ajuda a proteger a Grande Barreira de Corais com TensorFlow em Kaggle Junte Desafio

downsampled_imagenet

Conjunto de dados com imagens de 2 resoluções (consulte o nome da configuração para obter informações sobre a resolução). É usado para estimativa de densidade e experimentos de modelagem generativa.

Para redimensionada IMAGEnet para aprendizagem supervisionada ( ligação ) Ver imagenet_resized .

Dividir Exemplos
'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 (configuração padrão)

  • Descrição de configuração: Um conjunto de dados que consiste em imagens de trem e validação de 32x32 resolução.

  • Tamanho do download: 3.98 GiB

  • Figura ( tfds.show_examples ):

Visualização

downsampled_imagenet / 64x64

  • Descrição de configuração: Um conjunto de dados que consiste em imagens de trem e validação de 64x64 resolução.

  • Tamanho do download: 11.73 GiB

  • Figura ( tfds.show_examples ):

Visualização