- Descrizione :
Il set di dati Quick Draw è una raccolta di 50 milioni di disegni in 345 categorie, forniti dai giocatori del gioco Quick, Draw!. Il set di dati bitmap contiene questi disegni convertiti dal formato vettoriale in immagini in scala di grigi 28x28
Documentazione aggiuntiva : esplora documenti con codice
Home page : https://github.com/googlecreativelab/quickdraw-dataset
Codice sorgente :
tfds.datasets.quickdraw_bitmap.BuilderVersioni :
-
3.0.0(impostazione predefinita): nuova API divisa ( https://tensorflow.org/datasets/splits )
-
Dimensione download :
36.82 GiBDimensioni del set di dati :
Unknown sizeMemorizzato automaticamente nella cache ( documentazione ): sconosciuto
Divide :
| Diviso | Esempi |
|---|---|
'train' | 50.426.266 |
- Struttura delle caratteristiche :
FeaturesDict({
'image': Image(shape=(28, 28, 1), dtype=uint8),
'label': ClassLabel(shape=(), dtype=int64, num_classes=345),
})
- Documentazione delle funzionalità :
| Caratteristica | Classe | Forma | Tipo D | Descrizione |
|---|---|---|---|---|
| CaratteristicheDict | ||||
| Immagine | Immagine | (28, 28, 1) | uint8 | |
| etichetta | ClassLabel | int64 |
Chiavi supervisionate (vedi il documento
as_supervised):('image', 'label')Figura ( tfds.show_examples ):

- Esempi ( tfds.as_dataframe ):
- Citazione :
@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}
}