celeb_a_hq

• Opis :

Wysokiej jakości wersja zbioru danych CELEBA, składająca się z 30000 obrazów w rozdzielczości 1024 x 1024.

• Dodatkowa dokumentacja : Eksploruj w dokumentach z kodem north_east

• Strona główna : https://github.com/tkarras/progressive_growing_of_gans

• Kod źródłowy : tfds.datasets.celeb_a_hq.Builder

• Wersje :

  • 2.0.0 (domyślnie): Nowe podzielone API ( https://tensorflow.org/datasets/splits )

• Rozmiar pobierania : Unknown size

• Instrukcje ręcznego pobierania : ten zestaw danych wymaga ręcznego pobrania danych źródłowych do download_config.manual_dir (domyślnie jest to ~/tensorflow_datasets/downloads/manual/ ):
  katalog_ręczny powinien zawierać wiele plików tar z obrazami (data2x2.tar, data4x4.tar ..data1024x1024.tar). Szczegółowe instrukcje znajdują się tutaj: https://github.com/tkarras/progressive_growing_of_gans#preparing-datasets-for-training

• Podziały :

• Klucze nadzorowane (zobacz dokument as_supervised ): None

• Cytat :

@article{DBLP:journals/corr/abs-1710-10196,
  author    = {Tero Karras and
               Timo Aila and
               Samuli Laine and
               Jaakko Lehtinen},
  title     = {Progressive Growing of GANs for Improved Quality, Stability, and Variation},
  journal   = {CoRR},
  volume    = {abs/1710.10196},
  year      = {2017},
  url       = {http://arxiv.org/abs/1710.10196},
  archivePrefix = {arXiv},
  eprint    = {1710.10196},
  timestamp = {Mon, 13 Aug 2018 16:46:42 +0200},
  biburl    = {https://dblp.org/rec/bib/journals/corr/abs-1710-10196},
  bibsource = {dblp computer science bibliography, https://dblp.org}
}

celeb_a_hq/1024 (konfiguracja domyślna)

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 1024 x 1024

• Rozmiar zbioru danych : 54.04 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(1024, 1024, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

celeb_a_hq/512

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 512 x 512

• Rozmiar zbioru danych : 15.33 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(512, 512, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

celeb_a_hq/256

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 256 x 256

• Rozmiar zbioru danych : 4.21 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(256, 256, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

celeb_a_hq/128

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 128 x 128

• Rozmiar zbioru danych : 1.13 GiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(128, 128, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

celeb_a_hq/64

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 64 x 64

• Rozmiar zbioru danych : 310.94 MiB

• Automatyczne buforowanie ( dokumentacja ): Nie

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(64, 64, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

celeb_a_hq/32

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 32 x 32

• Rozmiar zbioru danych : 85.39 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(32, 32, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

celeb_a_hq/16

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 16 x 16

• Rozmiar zbioru danych : 25.71 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(16, 16, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

celeb_a_hq/8

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 8 x 8

• Rozmiar zbioru danych : 9.42 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(8, 8, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

celeb_a_hq/4

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 4 x 4

• Rozmiar zbioru danych : 5.10 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(4, 4, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

celeb_a_hq/2

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 2 x 2

• Rozmiar zbioru danych : 3.94 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(2, 2, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):

celeb_a_hq/1

• Opis konfiguracji : Obrazy CelebaHQ w rozdzielczości 1 x 1

• Rozmiar zbioru danych : 3.62 MiB

• Automatyczne buforowanie ( dokumentacja ): Tak

• Struktura funkcji :

FeaturesDict({
    'image': Image(shape=(1, 1, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
})

• Dokumentacja funkcji :

• Rysunek ( tfds.show_examples ):

• Przykłady ( tfds.as_dataframe ):