لدي سؤال؟ تواصل مع المجتمع في منتدى زيارة منتدى TensorFlow

أخدود

  • الوصف :

تتكون مجموعة بيانات Groove MIDI (GMD) من 13.6 ساعة من MIDI المحاذاة والصوت (المركب) لقرع الطبول التعبيري الذي يؤديه الإنسان والمحاذاة للإيقاع والذي تم التقاطه على مجموعة الأسطوانة الإلكترونية 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 (التكوين الافتراضي)

  • وصف التكوين : مجموعة بيانات Groove بدون صوت ، غير مقسم.

  • حجم التحميل : 3.11 MiB

  • حجم مجموعة البيانات : 5.22 MiB

  • التخزين المؤقت التلقائي ( الوثائق ): نعم

  • الانقسامات :

انشق، مزق أمثلة
'test' 129
'train' 897
'validation' 124
  • الميزات :
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),
})

أخدود / كامل 16000 هرتز

  • وصف التكوين : مجموعة بيانات Groove مع الصوت وغير المنقسمة.

  • حجم التحميل : 4.76 GiB

  • حجم مجموعة البيانات : 2.33 GiB

  • التخزين المؤقت التلقائي ( التوثيق ): لا

  • الانقسامات :

انشق، مزق أمثلة
'test' 124
'train' 846
'validation' 120
  • الميزات :
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),
})

الأخدود / 2 بار-منتصف الليل

  • وصف التكوين : مجموعة بيانات Groove بدون صوت ، مقسمة إلى قطع 2 بار.

  • حجم التحميل : 3.11 MiB

  • حجم مجموعة البيانات : 19.59 MiB

  • التخزين المؤقت التلقائي ( الوثائق ): نعم

  • الانقسامات :

انشق، مزق أمثلة
'test' 2،204
'train' 18163
'validation' 2،252
  • الميزات :
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),
})

أخدود / 2 بار -16000 هرتز

  • وصف التكوين : مجموعة بيانات Groove مع الصوت ، مقسمة إلى قطع 2 بار.

  • حجم التحميل : 4.76 GiB

  • حجم مجموعة البيانات : 4.61 GiB

  • التخزين المؤقت التلقائي ( التوثيق ): لا

  • الانقسامات :

انشق، مزق أمثلة
'test' 1873
'train' 14.390
'validation' 2،034
  • الميزات :
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),
})

الأخدود / 4 بار-منتصف الليل

  • وصف التكوين : مجموعة بيانات Groove بدون صوت ، مقسمة إلى قطع 4 بار.

  • حجم التحميل : 3.11 MiB

  • حجم مجموعة البيانات : 27.32 MiB

  • التخزين المؤقت التلقائي ( الوثائق ): نعم

  • الانقسامات :

انشق، مزق أمثلة
'test' 2،033
'train' 17261
'validation' 2،121
  • الميزات :
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),
})