Visualisation : Explorer dans Know Your Data
Descriptif :
L'ensemble de données Quick Draw est une collection de 50 millions de dessins répartis dans 345 catégories, apportés par les joueurs du jeu Quick, Draw!. Le jeu de données bitmap contient ces dessins convertis du format vectoriel en images en niveaux de gris 28x28
Documentation complémentaire : Explorer sur Papers With Code
Page d' accueil : https://github.com/googlecreativelab/quickdraw-dataset
Code source :
tfds.datasets.quickdraw_bitmap.Builder
Versions :
-
3.0.0
(par défaut) : nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )
-
Taille du téléchargement :
36.82 GiB
Taille du jeu de données :
Unknown size
Mise en cache automatique ( documentation ): Inconnu
Fractionnements :
Diviser | Exemples |
---|---|
'train' | 50 426 266 |
- Structure des fonctionnalités :
FeaturesDict({
'image': Image(shape=(28, 28, 1), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=345),
})
- Documentation des fonctionnalités :
Caractéristique | Classe | Façonner | Dtype | Description |
---|---|---|---|---|
FonctionnalitésDict | ||||
image | Image | (28, 28, 1) | uint8 | |
étiquette | Étiquette de classe | int64 |
Clés supervisées (Voir
as_supervised
doc ):('image', 'label')
Figure ( tfds.show_examples ):
- Exemples ( tfds.as_dataframe ):
- Citation :
@article{DBLP:journals/corr/HaE17,
author = {David Ha and
Douglas Eck},
title = {A Neural Representation of Sketch Drawings},
journal = {CoRR},
volume = {abs/1704.03477},
year = {2017},
url = {http://arxiv.org/abs/1704.03477},
archivePrefix = {arXiv},
eprint = {1704.03477},
timestamp = {Mon, 13 Aug 2018 16:48:30 +0200},
biburl = {https://dblp.org/rec/bib/journals/corr/HaE17},
bibsource = {dblp computer science bibliography, https://dblp.org}
}