gtzan

• توضیحات :

مجموعه داده شامل 1000 آهنگ صوتی هر 30 ثانیه است. این شامل 10 ژانر است که هر کدام با 100 آهنگ نمایش داده می شوند. آهنگ ها همگی فایل های صوتی 16 بیتی مونو با فرکانس 22050 هرتز و با فرمت wav.

ژانرها عبارتند از:

• بلوز
• کلاسیک
• کشور
• دیسکو
• هیپ هاپ
• جاز
• فلز
• ترکیدن
• رگی

• سنگ

• اسناد اضافی : کاوش در کاغذها با کد

• صفحه اصلی : http://marsyas.info/index.html

• کد منبع : tfds.audio.gtzan.GTZAN

• نسخه ها :

  • 1.0.0 (پیش فرض): بدون یادداشت انتشار.

• حجم دانلود : 1.14 GiB

• حجم مجموعه داده : 3.71 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

شکاف	مثال ها
'train'	1000

• ساختار ویژگی :

FeaturesDict({
    'audio': Audio(shape=(None,), dtype=int64),
    'audio/filename': Text(shape=(), dtype=string),
    'label': ClassLabel(shape=(), dtype=int64, num_classes=10),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	شرح
	FeaturesDict
سمعی	سمعی	(هیچ یک،)	int64
صدا/نام فایل	متن		رشته
برچسب	ClassLabel		int64

• کلیدهای نظارت شده (مشاهده as_supervised doc ): ('audio', 'label')

• شکل ( tfds.show_examples ): پشتیبانی نمی شود.

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@misc{tzanetakis_essl_cook_2001,
author    = "Tzanetakis, George and Essl, Georg and Cook, Perry",
title     = "Automatic Musical Genre Classification Of Audio Signals",
url       = "http://ismir2001.ismir.net/pdf/tzanetakis.pdf",
publisher = "The International Society for Music Information Retrieval",
year      = "2001"
}