एमएल समुदाय दिवस 9 नवंबर है! TensorFlow, JAX से नई जानकारी के लिए हमसे जुड़ें, और अधिक जानें

नाली

  • विवरण:

Groove MIDI डेटासेट (GMD) 13.6 घंटे के संरेखित MIDI और (संश्लेषित) ऑडियो से बना है जो मानव-प्रदर्शन, टेम्पो-संरेखित अभिव्यंजक ड्रमिंग को रोलैंड TD-11 V-ड्रम इलेक्ट्रॉनिक ड्रम किट पर कैप्चर किया गया है।

@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},
}

नाली/पूर्ण-मध्यस्थ (डिफ़ॉल्ट कॉन्फ़िगरेशन)

  • कॉन्फ़िग विवरण: ऑडियो बिना ग्रूव डाटासेट, unsplit।

  • डाउनलोड का आकार: 3.11 MiB

  • डेटासेट का आकार: 5.22 MiB

  • ऑटो-कैश ( प्रलेखन ): हाँ

  • विभाजन:

विभाजित करना उदाहरण
'test' 129
'train' 897
'validation' १२४
  • विशेषताएं:
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),
})

नाली / पूर्ण-16000 हर्ट्ज

  • कॉन्फ़िग विवरण: ऑडियो, unsplit साथ ग्रूव डाटासेट।

  • डाउनलोड का आकार: 4.76 GiB

  • डेटासेट का आकार: 2.33 GiB

  • ऑटो-कैश ( प्रलेखन ): नहीं

  • विभाजन:

विभाजित करना उदाहरण
'test' १२४
'train' 846
'validation' १२०
  • विशेषताएं:
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),
})

नाली/2बार-मध्यम

  • कॉन्फ़िग विवरण: ऑडियो बिना ग्रूव डाटासेट, 2-बार टुकड़ों में विभाजित।

  • डाउनलोड का आकार: 3.11 MiB

  • डेटासेट का आकार: 19.59 MiB

  • ऑटो-कैश ( प्रलेखन ): हाँ

  • विभाजन:

विभाजित करना उदाहरण
'test' 2,204
'train' १८,१६३
'validation' २,२५२
  • विशेषताएं:
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),
})

नाली/2बार-16000 हर्ट्ज

  • कॉन्फ़िग विवरण: ऑडियो के साथ ग्रूव डाटासेट, 2-बार टुकड़ों में विभाजित।

  • डाउनलोड का आकार: 4.76 GiB

  • डेटासेट का आकार: 4.61 GiB

  • ऑटो-कैश ( प्रलेखन ): नहीं

  • विभाजन:

विभाजित करना उदाहरण
'test' 1,873
'train' १४,३९०
'validation' 2,034
  • विशेषताएं:
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),
})

नाली / 4 बार-मध्यस्थ

  • कॉन्फ़िग विवरण: ऑडियो बिना ग्रूव डाटासेट, 4-बार टुकड़ों में विभाजित।

  • डाउनलोड का आकार: 3.11 MiB

  • डेटासेट का आकार: 27.32 MiB

  • ऑटो-कैश ( प्रलेखन ): हाँ

  • विभाजन:

विभाजित करना उदाहरण
'test' 2,033
'train' १७,२६१
'validation' २,१२१
  • विशेषताएं:
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),
})