- Описание:
Groove MIDI Dataset (GMD) состоит из 13,6 часов выровненного MIDI и (синтезированного) звука исполняемой человеком, выровненной по темпу выразительной игры на ударных, записанных на электронной ударной установке Roland TD-11 V-Drum.
Домашняя страница: https://g.co/magenta/groove-dataset
Исходный код:
tfds.audio.Groove
Версии:
-
2.0.1
( по умолчанию): Нет Замечания к выпуску.
-
Контролируемые ключи (см
as_supervised
документ ):None
Рис ( tfds.show_examples ): Не поддерживается.
Образец цитирования:
@inproceedings{groove2019,
Author = {Jon Gillick and Adam Roberts and Jesse Engel and Douglas Eck and David Bamman},
Title = {Learning to Groove with Inverse Sequence Transformations},
Booktitle = {International Conference on Machine Learning (ICML)}
Year = {2019},
}
groove / full-midionly (конфигурация по умолчанию)
Описание Config: Groove набор данных без звука, неразъемные.
Скачать Размер:
3.11 MiB
Dataset Размер:
5.22 MiB
Авто-кэшируются ( документация ): Да
расколы:
Расколоть | Примеры |
---|---|
'test' | 129 |
'train' | 897 |
'validation' | 124 |
- Особенности:
FeaturesDict({
'bpm': tf.int32,
'drummer': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
'id': tf.string,
'midi': tf.string,
'style': FeaturesDict({
'primary': ClassLabel(shape=(), dtype=tf.int64, num_classes=18),
'secondary': tf.string,
}),
'time_signature': ClassLabel(shape=(), dtype=tf.int64, num_classes=5),
'type': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
})
- Примеры ( tfds.as_dataframe ):
паз / полный - 16000 Гц
Описание Config: Groove набор данных с аудио, нерасщеплённой.
Скачать Размер:
4.76 GiB
Dataset Размер:
2.33 GiB
Авто-кэшируются ( документация ): Нет
расколы:
Расколоть | Примеры |
---|---|
'test' | 124 |
'train' | 846 |
'validation' | 120 |
- Особенности:
FeaturesDict({
'audio': Audio(shape=(None,), dtype=tf.float32),
'bpm': tf.int32,
'drummer': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
'id': tf.string,
'midi': tf.string,
'style': FeaturesDict({
'primary': ClassLabel(shape=(), dtype=tf.int64, num_classes=18),
'secondary': tf.string,
}),
'time_signature': ClassLabel(shape=(), dtype=tf.int64, num_classes=5),
'type': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
})
- Примеры ( tfds.as_dataframe ):
паз / 2бар-мидионли
Описание Config: Groove набор данных без звука, разделилась на 2-стержневых куски.
Скачать Размер:
3.11 MiB
Dataset Размер:
19.59 MiB
Авто-кэшируются ( документация ): Да
расколы:
Расколоть | Примеры |
---|---|
'test' | 2 204 |
'train' | 18 163 |
'validation' | 2,252 |
- Особенности:
FeaturesDict({
'bpm': tf.int32,
'drummer': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
'id': tf.string,
'midi': tf.string,
'style': FeaturesDict({
'primary': ClassLabel(shape=(), dtype=tf.int64, num_classes=18),
'secondary': tf.string,
}),
'time_signature': ClassLabel(shape=(), dtype=tf.int64, num_classes=5),
'type': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
})
- Примеры ( tfds.as_dataframe ):
паз / 2 бар-16000 Гц
Описание Config: Groove набор данных с аудио, разделилась на 2-стержневых куски.
Скачать Размер:
4.76 GiB
Dataset Размер:
4.61 GiB
Авто-кэшируются ( документация ): Нет
расколы:
Расколоть | Примеры |
---|---|
'test' | 1873 |
'train' | 14 390 |
'validation' | 2,034 |
- Особенности:
FeaturesDict({
'audio': Audio(shape=(None,), dtype=tf.float32),
'bpm': tf.int32,
'drummer': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
'id': tf.string,
'midi': tf.string,
'style': FeaturesDict({
'primary': ClassLabel(shape=(), dtype=tf.int64, num_classes=18),
'secondary': tf.string,
}),
'time_signature': ClassLabel(shape=(), dtype=tf.int64, num_classes=5),
'type': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
})
- Примеры ( tfds.as_dataframe ):
паз / 4 бар-мидионли
Описание Config: Groove набор данных без звука, разделяется на 4-стержневых куски.
Скачать Размер:
3.11 MiB
Dataset Размер:
27.32 MiB
Авто-кэшируются ( документация ): Да
расколы:
Расколоть | Примеры |
---|---|
'test' | 2,033 |
'train' | 17 261 |
'validation' | 2,121 |
- Особенности:
FeaturesDict({
'bpm': tf.int32,
'drummer': ClassLabel(shape=(), dtype=tf.int64, num_classes=10),
'id': tf.string,
'midi': tf.string,
'style': FeaturesDict({
'primary': ClassLabel(shape=(), dtype=tf.int64, num_classes=18),
'secondary': tf.string,
}),
'time_signature': ClassLabel(shape=(), dtype=tf.int64, num_classes=5),
'type': ClassLabel(shape=(), dtype=tf.int64, num_classes=2),
})
- Примеры ( tfds.as_dataframe ):