Дмлаб

• Описание :

Набор данных Dmlab содержит кадры, наблюдаемые агентом, действующим в среде DeepMind Lab, которые помечены расстоянием между агентом и различными объектами, присутствующими в среде. Цель состоит в том, чтобы оценить способность визуальной модели рассуждать о расстояниях от визуальных данных в трехмерных средах. Набор данных Dmlab состоит из цветных изображений размером 360x480 в 6 классах. Классы {близко, далеко, очень далеко} x {положительная награда, отрицательная награда} соответственно.

• Домашняя страница : https://github.com/google-research/task_adaptation .

• Исходный код : tfds.image_classification.Dmlab

• Версии :

  • 2.0.1 (по умолчанию): нет примечаний к выпуску.

• Размер загрузки : 2.81 GiB

• Размер набора данных : 3.13 GiB

• Автокэширование ( документация ): Нет

• Расколы :

Расколоть	Примеры
'test'	22 735
'train'	65 550
'validation'	22 628

• Структура функции :

FeaturesDict({
    'filename': Text(shape=(), dtype=string),
    'image': Image(shape=(360, 480, 3), dtype=uint8),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=6),
})

• Функциональная документация :

Особенность	Сорт	Форма	Дтип	Описание
	ВозможностиDict
имя файла	Текст		нить
изображение	Изображение	(360, 480, 3)	uint8
этикетка	Класслейбл		int64

• Контролируемые ключи (см. документ as_supervised ): ('image', 'label')

• Рисунок ( tfds.show_examples ):

• Примеры ( tfds.as_dataframe ):

• Цитата :

@article{zhai2019visual,
        title={The Visual Task Adaptation Benchmark},
        author={Xiaohua Zhai and Joan Puigcerver and Alexander Kolesnikov and
               Pierre Ruyssen and Carlos Riquelme and Mario Lucic and
               Josip Djolonga and Andre Susano Pinto and Maxim Neumann and
               Alexey Dosovitskiy and Lucas Beyer and Olivier Bachem and
               Michael Tschannen and Marcin Michalski and Olivier Bousquet and
               Sylvain Gelly and Neil Houlsby},
                              year={2019},
                              eprint={1910.04867},
                              archivePrefix={arXiv},
                              primaryClass={cs.CV},
                              url = {https://arxiv.org/abs/1910.04867}
                          }