Visualisasi : Jelajahi di Kenali Data Anda
Deskripsi :
3dshapes adalah kumpulan data bentuk 3D yang dihasilkan secara prosedural dari 6 faktor laten independen kebenaran dasar. Faktor-faktor tersebut adalah warna lantai, warna dinding, warna objek , skala , bentuk dan orientasi .
Semua kemungkinan kombinasi dari laten ini hadir tepat satu kali, menghasilkan N = 480000 total gambar.
Nilai faktor laten
- rona lantai: 10 nilai yang ditempatkan secara linear dalam [0, 1]
- rona dinding: 10 nilai yang ditempatkan secara linear dalam [0, 1]
- rona objek: 10 nilai yang ditempatkan secara linear dalam [0, 1]
- skala: 8 nilai yang ditempatkan secara linear dalam [0, 1]
- bentuk: 4 nilai dalam [0, 1, 2, 3]
- orientasi: 15 nilai yang ditempatkan secara linear di [-30, 30]
Kami memvariasikan laten satu per satu (mulai dari orientasi, lalu bentuk, dll), dan secara berurutan menyimpan gambar dalam urutan tetap di array images
. Nilai-nilai faktor yang sesuai disimpan dalam urutan yang sama dalam larik labels
.
Dokumentasi Tambahan : Jelajahi di Makalah Dengan Kode
Beranda : https://github.com/deepmind/3d-shapes
Kode sumber :
tfds.datasets.shapes3d.Builder
Versi :
-
2.0.0
(default): API split baru ( https://tensorflow.org/datasets/splits )
-
Ukuran unduhan :
255.18 MiB
Ukuran dataset :
1.68 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :
Membelah | Contoh |
---|---|
'train' | 480.000 |
- Struktur fitur :
FeaturesDict({
'image': Image(shape=(64, 64, 3), dtype=uint8),
'label_floor_hue': ClassLabel(shape=(), dtype=int64, num_classes=10),
'label_object_hue': ClassLabel(shape=(), dtype=int64, num_classes=10),
'label_orientation': ClassLabel(shape=(), dtype=int64, num_classes=15),
'label_scale': ClassLabel(shape=(), dtype=int64, num_classes=8),
'label_shape': ClassLabel(shape=(), dtype=int64, num_classes=4),
'label_wall_hue': ClassLabel(shape=(), dtype=int64, num_classes=10),
'value_floor_hue': float32,
'value_object_hue': float32,
'value_orientation': float32,
'value_scale': float32,
'value_shape': float32,
'value_wall_hue': float32,
})
- Dokumentasi fitur :
Fitur | Kelas | Membentuk | Dtype | Keterangan |
---|---|---|---|---|
fiturDict | ||||
gambar | Gambar | (64, 64, 3) | uint8 | |
label_floor_hue | LabelKelas | int64 | ||
label_objek_hue | LabelKelas | int64 | ||
label_orientasi | LabelKelas | int64 | ||
skala_label | LabelKelas | int64 | ||
label_shape | LabelKelas | int64 | ||
label_wall_hue | LabelKelas | int64 | ||
nilai_lantai_hue | Tensor | float32 | ||
nilai_objek_hue | Tensor | float32 | ||
orientasi_nilai | Tensor | float32 | ||
skala_nilai | Tensor | float32 | ||
nilai_bentuk | Tensor | float32 | ||
nilai_dinding_hue | Tensor | float32 |
Kunci yang diawasi (Lihat
as_supervised
doc ):None
Gambar ( tfds.show_examples ):
- Contoh ( tfds.as_dataframe ):
- Kutipan :
@misc{3dshapes18,
title={3D Shapes Dataset},
author={Burgess, Chris and Kim, Hyunjik},
howpublished={https://github.com/deepmind/3dshapes-dataset/},
year={2018}
}