dsprites

• การแสดง: สำรวจในรู้ข้อมูลของคุณ

• รายละเอียด:

dSprites เป็นชุดข้อมูลของรูปทรง 2 มิติที่สร้างขึ้นตามขั้นตอนจากปัจจัยแฝงที่ไม่ขึ้นกับความจริงพื้นฐาน 6 ประการ ปัจจัยเหล่านี้มีสีรูปร่าง, ขนาด, การหมุนตำแหน่ง x และ y ที่ของเทพดา

ชุดค่าผสมที่เป็นไปได้ทั้งหมดของเวลาแฝงเหล่านี้จะแสดงเพียงครั้งเดียว ทำให้เกิดภาพทั้งหมด N = 737280

ค่าปัจจัยแฝง

• สี: ขาว
• รูปร่าง: สี่เหลี่ยม วงรี หัวใจ
• มาตราส่วน: 6 ค่าที่เว้นระยะเชิงเส้นใน [0.5, 1]
• การวางแนว: 40 ค่าใน [0, 2 pi]
• ตำแหน่ง X: 32 ค่าใน [0, 1]
• ตำแหน่ง Y: 32 ค่าใน [0, 1]

เราเปลี่ยนภาพแฝงในแต่ละครั้ง (เริ่มจากตำแหน่ง Y จากนั้นจึงเปลี่ยนตำแหน่ง X เป็นต้น) และจัดเก็บภาพตามลำดับคงที่ ดังนั้น ลำดับของมิติแรกจึงได้รับการแก้ไข และอนุญาตให้คุณแมปกลับไปยังค่าของเวลาแฝงที่สัมพันธ์กับภาพนั้น

เราเลือกค่าแฝงโดยเจตนาเพื่อให้มีการเปลี่ยนแปลงขั้นตอนที่เล็กที่สุดในขณะที่ตรวจสอบให้แน่ใจว่าเอาต์พุตพิกเซลทั้งหมดแตกต่างกัน ไม่มีเสียงรบกวน

• โฮมเพจ: https://github.com/deepmind/dsprites-dataset

• รหัสที่มา: tfds.image.Dsprites

• รุ่น:

  • 2.0.0 (เริ่มต้น): แยก API ใหม่ ( https://tensorflow.org/datasets/splits )
  • 2.1.0 : ไม่มีบันทึกประจำรุ่น

• ขนาดการดาวน์โหลด: 26.73 MiB

• ขนาดชุด: Unknown size

• ออโต้แคช ( เอกสาร ): ไม่ทราบ

• แยก:

แยก	ตัวอย่าง
'train'	737,280

• คุณสมบัติ:

FeaturesDict({
    'image': Image(shape=(64, 64, 1), dtype=tf.uint8),
    'label_orientation': ClassLabel(shape=(), dtype=tf.int64, num_classes=40),
    'label_scale': ClassLabel(shape=(), dtype=tf.int64, num_classes=6),
    'label_shape': ClassLabel(shape=(), dtype=tf.int64, num_classes=3),
    'label_x_position': ClassLabel(shape=(), dtype=tf.int64, num_classes=32),
    'label_y_position': ClassLabel(shape=(), dtype=tf.int64, num_classes=32),
    'value_orientation': tf.float32,
    'value_scale': tf.float32,
    'value_shape': tf.float32,
    'value_x_position': tf.float32,
    'value_y_position': tf.float32,
})

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• รูป ( tfds.show_examples ):

• ตัวอย่าง ( tfds.as_dataframe ):

• อ้างอิง:

@misc{dsprites17,
author = {Loic Matthey and Irina Higgins and Demis Hassabis and Alexander Lerchner},
title = {dSprites: Disentanglement testing Sprites dataset},
howpublished= {https://github.com/deepmind/dsprites-dataset/},
year = "2017",
}