Visualisation : Explorer dans Know Your Data
Descriptif :
3dshapes est un ensemble de données de formes 3D générées de manière procédurale à partir de 6 facteurs latents indépendants de la vérité terrain. Ces facteurs sont la couleur du sol, la couleur des murs, la couleur de l' objet , l' échelle , la forme et l'orientation .
Toutes les combinaisons possibles de ces latentes sont présentes exactement une fois, générant N = 480 000 images au total.
Valeurs des facteurs latents
- teinte du sol : 10 valeurs espacées linéairement dans [0, 1]
- teinte du mur : 10 valeurs espacées linéairement dans [0, 1]
- teinte de l'objet : 10 valeurs espacées linéairement dans [0, 1]
- échelle : 8 valeurs linéairement espacées en [0, 1]
- forme : 4 valeurs dans [0, 1, 2, 3]
- orientation : 15 valeurs linéairement espacées en [-30, 30]
Nous avons fait varier une latente à la fois (en partant de l'orientation, puis de la forme, etc.) et avons stocké séquentiellement les images dans un ordre fixe dans le tableau d' images
. Les valeurs correspondantes des facteurs sont stockées dans le même ordre dans le tableau des labels
.
Documentation complémentaire : Explorer sur Papers With Code
Page d' accueil : https://github.com/deepmind/3d-shapes
Code source :
tfds.datasets.shapes3d.Builder
Versions :
-
2.0.0
(par défaut) : nouvelle API fractionnée ( https://tensorflow.org/datasets/splits )
-
Taille du téléchargement :
255.18 MiB
Taille du jeu de données :
1.68 GiB
Mise en cache automatique ( documentation ): Non
Fractionnements :
Diviser | Exemples |
---|---|
'train' | 480 000 |
- Structure des fonctionnalités :
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,
})
- Documentation des fonctionnalités :
Caractéristique | Classer | Forme | Dtype | La description |
---|---|---|---|---|
FonctionnalitésDict | ||||
image | Image | (64, 64, 3) | uint8 | |
label_floor_hue | Étiquette de classe | int64 | ||
label_object_hue | Étiquette de classe | int64 | ||
label_orientation | Étiquette de classe | int64 | ||
label_scale | Étiquette de classe | int64 | ||
label_shape | Étiquette de classe | int64 | ||
label_wall_hue | Étiquette de classe | int64 | ||
value_floor_hue | Tenseur | float32 | ||
value_object_hue | Tenseur | float32 | ||
orientation_valeur | Tenseur | float32 | ||
value_scale | Tenseur | float32 | ||
value_shape | Tenseur | float32 | ||
value_wall_hue | Tenseur | float32 |
Clés supervisées (Voir
as_supervised
doc ):None
Figure ( tfds.show_examples ):
- Exemples ( tfds.as_dataframe ):
- Citation :
@misc{3dshapes18,
title={3D Shapes Dataset},
author={Burgess, Chris and Kim, Hyunjik},
howpublished={https://github.com/deepmind/3dshapes-dataset/},
year={2018}
}