Pomoc chronić Wielkiej Rafy Koralowej z TensorFlow na Kaggle Dołącz Wyzwanie

nsynth

  • opis:

NSynth Dataset to zestaw danych audio zawierający ~300 tys. nut, każda z unikalnym tonem, barwą i obwiednią. Każda notatka jest opatrzona adnotacjami z trzema dodatkowymi informacjami opartymi na kombinacji ludzkiej oceny i algorytmów heurystycznych: Źródło, Rodzina i Cechy.

@InProceedings{pmlr-v70-engel17a,
  title =    {Neural Audio Synthesis of Musical Notes with {W}ave{N}et Autoencoders},
  author =   {Jesse Engel and Cinjon Resnick and Adam Roberts and Sander Dieleman and Mohammad Norouzi and Douglas Eck and Karen Simonyan},
  booktitle =    {Proceedings of the 34th International Conference on Machine Learning},
  pages =    {1068--1077},
  year =     {2017},
  editor =   {Doina Precup and Yee Whye Teh},
  volume =   {70},
  series =   {Proceedings of Machine Learning Research},
  address =      {International Convention Centre, Sydney, Australia},
  month =    {06--11 Aug},
  publisher =    {PMLR},
  pdf =      {http://proceedings.mlr.press/v70/engel17a/engel17a.pdf},
  url =      {http://proceedings.mlr.press/v70/engel17a.html},
}

nsynth/full (konfiguracja domyślna)

  • Opis config: Pełny NSynth Zbiór danych jest dzielony na kolejowych, poprawny i zestawów testowych, bez żadnych instrumentów nakładających się między pociągu i obowiązującymi zestawów testowych /.

  • Wielkość pliku: 73.07 GiB

  • Zbiór danych rozmiar: 73.09 GiB

  • dzieli:

Podział Przykłady
'test' 4096
'train' 289,205
'valid' 12 678
  • Cechy:
FeaturesDict({
    'audio': Audio(shape=(64000,), dtype=tf.float32),
    'id': tf.string,
    'instrument': FeaturesDict({
        'family': ClassLabel(shape=(), dtype=tf.int64, num_classes=11),
        'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1006),
        'source': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
    }),
    'pitch': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
    'qualities': FeaturesDict({
        'bright': tf.bool,
        'dark': tf.bool,
        'distortion': tf.bool,
        'fast_decay': tf.bool,
        'long_release': tf.bool,
        'multiphonic': tf.bool,
        'nonlinear_env': tf.bool,
        'percussive': tf.bool,
        'reverb': tf.bool,
        'tempo-synced': tf.bool,
    }),
    'velocity': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
})

nsynth/gansynth_subset

  • Opis config: NSynth Zbiór danych ograniczony do instrumentów akustycznych w przedziale skoku MIDI [24, 84]. Używa alternatywnych podziałów, które nakładają się w przyrządach (ale nie dokładnych notatek) między składem pociągu a zbiorem ważnych/testowych. Wariant ten został pierwotnie wprowadzony na papierze GANSynth ICLR 2019 ( https://arxiv.org/abs/1902.08710 ).

  • Wielkość pliku: 73.08 GiB

  • Zbiór danych rozmiar: 20.73 GiB

  • dzieli:

Podział Przykłady
'test' 8518
'train' 60 788
'valid' 17 469
  • Cechy:
FeaturesDict({
    'audio': Audio(shape=(64000,), dtype=tf.float32),
    'id': tf.string,
    'instrument': FeaturesDict({
        'family': ClassLabel(shape=(), dtype=tf.int64, num_classes=11),
        'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1006),
        'source': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
    }),
    'pitch': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
    'qualities': FeaturesDict({
        'bright': tf.bool,
        'dark': tf.bool,
        'distortion': tf.bool,
        'fast_decay': tf.bool,
        'long_release': tf.bool,
        'multiphonic': tf.bool,
        'nonlinear_env': tf.bool,
        'percussive': tf.bool,
        'reverb': tf.bool,
        'tempo-synced': tf.bool,
    }),
    'velocity': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
})

nsynth/gansynth_subset.f0_and_loudness

  • Opis config: NSynth Zbiór danych ograniczony do instrumentów akustycznych w przedziale skoku MIDI [24, 84]. Używa alternatywnych podziałów, które nakładają się w przyrządach (ale nie dokładnych notatek) między składem pociągu a zbiorem ważnych/testowych. Wariant ten został pierwotnie wprowadzony na papierze GANSynth ICLR 2019 ( https://arxiv.org/abs/1902.08710 ). Ta wersja dodatkowo zawiera oszacowania dla F0 przy użyciu CREPE (Kim i in., 2018) i głośności percepcyjnej ważonej A w decybelach. Oba sygnały są dostarczane z częstotliwością odświeżania 250 Hz.

  • Wielkość pliku: 73.08 GiB

  • Zbiór danych rozmiar: 22.03 GiB

  • dzieli:

Podział Przykłady
'test' 8518
'train' 60 788
'valid' 17 469
  • Cechy:
FeaturesDict({
    'audio': Audio(shape=(64000,), dtype=tf.float32),
    'f0': FeaturesDict({
        'confidence': Tensor(shape=(1000,), dtype=tf.float32),
        'hz': Tensor(shape=(1000,), dtype=tf.float32),
        'midi': Tensor(shape=(1000,), dtype=tf.float32),
    }),
    'id': tf.string,
    'instrument': FeaturesDict({
        'family': ClassLabel(shape=(), dtype=tf.int64, num_classes=11),
        'label': ClassLabel(shape=(), dtype=tf.int64, num_classes=1006),
        'source': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
    }),
    'loudness': FeaturesDict({
        'db': Tensor(shape=(1000,), dtype=tf.float32),
    }),
    'pitch': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
    'qualities': FeaturesDict({
        'bright': tf.bool,
        'dark': tf.bool,
        'distortion': tf.bool,
        'fast_decay': tf.bool,
        'long_release': tf.bool,
        'multiphonic': tf.bool,
        'nonlinear_env': tf.bool,
        'percussive': tf.bool,
        'reverb': tf.bool,
        'tempo-synced': tf.bool,
    }),
    'velocity': ClassLabel(shape=(), dtype=tf.int64, num_classes=128),
})