oluk

• Açıklama :

Groove MIDI Veri Kümesi (GMD), bir Roland TD-11 V-Drum elektronik bateri kitinde yakalanan, insan tarafından icra edilen, tempo hizalanmış etkileyici davul çalmanın 13.6 saatlik hizalanmış MIDI ve (sentezlenmiş) sesinden oluşur.

• Ana sayfa : https://g.co/magenta/groove-dataset

• Kaynak kodu : tfds.audio.Groove

• Sürümler :

  • 2.0.1 (varsayılan): Sürüm notu yok.

• Denetimli anahtarlar (bkz as_supervised doc ): None

• Şekil ( tfds.show_examples ): Desteklenmez.

• Örnekler ( tfds.as_dataframe ): Eksik.

• alıntı :

@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},
}

oluk/tam-orta (varsayılan yapılandırma)

• Yapılandırma açıklaması : Veri kümesini ses olmadan, bölünmemiş olarak girin.

• İndirme boyutu : 3.11 MiB

• Veri kümesi boyutu : 5.22 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Evet

• Bölmeler :

• Özellik yapısı :

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),
})

• Özellik belgeleri :

oluk/tam-16000hz

• Yapılandırma açıklaması : Sesli, bölünmemiş veri kümesini girin.

• İndirme boyutu : 4.76 GiB

• Veri kümesi boyutu : 2.33 GiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölmeler :

• Özellik yapısı :

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),
})

• Özellik belgeleri :

oluk/2bar-orta

• Yapılandırma açıklaması : 2 çubuklu parçalara bölünmüş, ses içermeyen veri kümesini girin.

• İndirme boyutu : 3.11 MiB

• Veri kümesi boyutu : 19.59 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Evet

• Bölmeler :

• Özellik yapısı :

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),
})

• Özellik belgeleri :

oluk/2bar-16000hz

• Konfigürasyon açıklaması : 2 çubuklu parçalara bölünmüş sesli veri kümesini girin.

• İndirme boyutu : 4.76 GiB

• Veri kümesi boyutu : 4.61 GiB

• Otomatik önbelleğe alınmış ( belgeler ): Hayır

• Bölmeler :

• Özellik yapısı :

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),
})

• Özellik belgeleri :

oluk/4bar-orta

• Yapılandırma açıklaması : 4 çubuklu parçalara bölünmüş, ses içermeyen veri kümesini girin.

• İndirme boyutu : 3.11 MiB

• Veri kümesi boyutu : 27.32 MiB

• Otomatik önbelleğe alınmış ( belgeler ): Evet

• Bölmeler :

• Özellik yapısı :

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),
})

• Özellik belgeleri :