gtzan

• 説明:

データセットは、30 秒ごとに 1000 のオーディオ トラックで構成されます。 10 のジャンルが含まれており、それぞれが 100 のトラックで表されます。トラックはすべて、.wav 形式の 22050Hz モノラル 16 ビット オーディオ ファイルです。

ジャンルは次のとおりです。

• ブルース
• クラシカル
• 国
• ディスコ
• ヒップホップ
• ジャズ
• 金属
• ポップ
• レゲエ

• 石

• 追加のドキュメント:コードを使用したペーパーの探索

• ホームページ: http://marsyas.info/index.html

• ソースコード: tfds.audio.gtzan.GTZAN

• バージョン:

  • 1.0.0 (デフォルト): リリース ノートはありません。

• ダウンロードサイズ: 1.14 GiB

• データセットサイズ: 3.71 GiB

• 自動キャッシュ(ドキュメント): いいえ

• スプリット:

スプリット	例
'train'	1,000

• 機能構造:

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

• 機能のドキュメント:

特徴	クラス	形	Dtype	説明
	特徴辞書
オーディオ	オーディオ	（なし、）	int64
オーディオ/ファイル名	文章		ストリング
ラベル	クラスラベル		int64

• 監視されたキー( as_supervised docを参照): ('audio', 'label')

• 図( tfds.show_examples ): サポートされていません。

• 例( tfds.as_dataframe ):

• 引用：

@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"
}