przeprowadzka_mnist

• opis :

Ruchomy wariant bazy danych MNIST z odręcznymi cyframi. Są to dane używane przez autorów do raportowania wydajności modelu. Zobacz tfds.video.moving_mnist.image_as_moving_sequence aby uzyskać informacje na temat generowania danych treningowych/walidacyjnych z zestawu danych MNIST.

• Dodatkowa dokumentacja : Przeglądaj dokumenty z kodem na

• Strona główna : http://www.cs.toronto.edu/~nitish/unsupervised_video/

• Kod źródłowy : tfds.video.MovingMnist

• Wersje :

  • 1.0.0 (domyślnie): nowy podzielony interfejs API ( https://tensorflow.org/datasets/splits )

• Rozmiar pliku do pobrania : 781.25 MiB

• Rozmiar zestawu danych : 91.70 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Podziały :

Rozdzielać	Przykłady
'test'	10 000

• Struktura funkcji :

FeaturesDict({
    'image_sequence': Video(Image(shape=(64, 64, 1), dtype=uint8)),
})

• Dokumentacja funkcji :

Funkcja	Klasa	Kształt	Typ D	Opis
	FunkcjeDict
sekwencja_obrazów	Wideo (obraz)	(20, 64, 64, 1)	uint8

• Klucze nadzorowane (Zobacz dokument as_supervised ): None

• Rysunek ( tfds.show_examples ): Nieobsługiwany.

• Przykłady ( tfds.as_dataframe ):

• Cytat :

@article{DBLP:journals/corr/SrivastavaMS15,
  author    = {Nitish Srivastava and
               Elman Mansimov and
               Ruslan Salakhutdinov},
  title     = {Unsupervised Learning of Video Representations using LSTMs},
  journal   = {CoRR},
  volume    = {abs/1502.04681},
  year      = {2015},
  url       = {http://arxiv.org/abs/1502.04681},
  archivePrefix = {arXiv},
  eprint    = {1502.04681},
  timestamp = {Mon, 13 Aug 2018 16:47:05 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/SrivastavaMS15},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}