ช่วยปกป้อง Great Barrier Reef กับ TensorFlow บน Kaggle เข้าร่วมท้าทาย

nsynth

  • รายละเอียด:

ชุดข้อมูล NSynth เป็นชุดข้อมูลเสียงที่มีโน้ตดนตรีประมาณ 300k โดยแต่ละชุดมีระดับเสียง เสียงต่ำ และซองจดหมายที่ไม่ซ้ำกัน บันทึกย่อแต่ละรายการมีคำอธิบายประกอบพร้อมข้อมูลเพิ่มเติมสามส่วนโดยอิงจากการรวมกันของการประเมินของมนุษย์และอัลกอริธึมฮิวริสติก: แหล่งที่มา ครอบครัว และคุณภาพ

  • โฮมเพจ: https://g.co/magenta/nsynth-dataset

  • รหัสที่มา: tfds.audio.Nsynth

  • รุ่น:

    • 2.3.0 : นิ loudness_db คุณลักษณะในเดซิเบล (unormalized)
    • 2.3.1 : F0 คำนวณกับการแก้ไขฟื้นฟูในเครพ
    • 2.3.2 : คุณลักษณะการใช้เสียง
    • 2.3.3 (เริ่มต้น): F0 คำนวณที่มีการแก้ไขในเครพคลื่นฟื้นฟู ( https://github.com/marl/crepe/issues/49 )
  • ออโต้แคช ( เอกสาร ): ไม่มี

  • คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

  • รูป ( tfds.show_examples ): ไม่ได้รับการสนับสนุน

  • อ้างอิง:

@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 (การกำหนดค่าเริ่มต้น)

  • คำอธิบาย Config: เต็ม NSynth ชุดข้อมูลแบ่งออกเป็นรถไฟที่ถูกต้องและชุดทดสอบด้วยเครื่องมือไม่ทับซ้อนกันระหว่างชุดรถไฟและถูกต้อง / ชุดทดสอบ

  • ขนาดการดาวน์โหลด: 73.07 GiB

  • ขนาดชุด: 73.09 GiB

  • แยก:

แยก ตัวอย่าง
'test' 4,096
'train' 289,205
'valid' 12,678
  • คุณสมบัติ:
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

  • คำอธิบาย Config: NSynth ชุดข้อมูล จำกัด ตราสารอะคูสติกในช่วงสนาม MIDI [24 84] ใช้การแยกอื่นที่มีการทับซ้อนกันในเครื่องมือ (แต่ไม่ใช่บันทึกที่แน่นอน) ระหว่างชุดรถไฟและชุดที่ถูกต้อง/ชุดทดสอบ ตัวแปรนี้ถูกนำมาใช้ครั้งแรกในกระดาษ GANSynth ICLR 2019 ( https://arxiv.org/abs/1902.08710 )

  • ขนาดการดาวน์โหลด: 73.08 GiB

  • ขนาดชุด: 20.73 GiB

  • แยก:

แยก ตัวอย่าง
'test' 8,518
'train' 60,788
'valid' 17,469
  • คุณสมบัติ:
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

  • คำอธิบาย Config: NSynth ชุดข้อมูล จำกัด ตราสารอะคูสติกในช่วงสนาม MIDI [24 84] ใช้การแยกอื่นที่มีการทับซ้อนกันในเครื่องมือ (แต่ไม่ใช่บันทึกที่แน่นอน) ระหว่างชุดรถไฟและชุดที่ถูกต้อง/ชุดทดสอบ ตัวแปรนี้ถูกนำมาใช้ครั้งแรกในกระดาษ GANSynth ICLR 2019 ( https://arxiv.org/abs/1902.08710 ) เวอร์ชันนี้ยังมีค่าประมาณสำหรับ F0 โดยใช้ CREPE (Kim et al., 2018) และความดังของการรับรู้แบบถ่วงน้ำหนัก A ในหน่วยเดซิเบล สัญญาณทั้งสองมีให้ที่อัตราเฟรม 250Hz

  • ขนาดการดาวน์โหลด: 73.08 GiB

  • ขนาดชุด: 22.03 GiB

  • แยก:

แยก ตัวอย่าง
'test' 8,518
'train' 60,788
'valid' 17,469
  • คุณสมบัติ:
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),
})