- Opis :
Zbiór danych Quick Draw to zbiór 50 milionów rysunków w 345 kategoriach, nadesłanych przez graczy biorących udział w grze Quick, Draw!. Zbiór danych mapy bitowej zawiera te rysunki przekonwertowane z formatu wektorowego na obrazy w skali szarości 28x28
Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem
Strona główna : https://github.com/googlecreativelab/quickdraw-dataset
Kod źródłowy :
tfds.datasets.quickdraw_bitmap.BuilderWersje :
-
3.0.0(domyślnie): Nowe podzielone API ( https://tensorflow.org/datasets/splits )
-
Rozmiar pobierania :
36.82 GiBRozmiar zbioru danych :
Unknown sizeAutomatyczne buforowanie ( dokumentacja ): Nieznane
Podziały :
| Podział | Przykłady |
|---|---|
'train' | 50 426 266 |
- Struktura funkcji :
FeaturesDict({
'image': Image(shape=(28, 28, 1), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=345),
})
- Dokumentacja funkcji :
| Funkcja | Klasa | Kształt | Typ D | Opis |
|---|---|---|---|---|
| FunkcjeDykt | ||||
| obraz | Obraz | (28, 28, 1) | uint8 | |
| etykieta | Etykieta klasy | int64 |
Klucze nadzorowane (zobacz dokument
as_supervised):('image', 'label')Rysunek ( tfds.show_examples ):
- Przykłady ( tfds.as_dataframe ):
- Cytat :
@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}
}