Google I/O — это обертка! Наверстать упущенное в сеансах TensorFlow Просмотреть сеансы

канавка

  • 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.

@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),
})

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),
})

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),
})

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),
})

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),
})