Verah/latent-CIFAR100
收藏Hugging Face2024-04-24 更新2024-06-12 收录
下载链接：
https://hf-mirror.com/datasets/Verah/latent-CIFAR100
下载链接
链接失效反馈官方服务：
资源简介：
Latent CIFAR100数据集是基于CIFAR100的图像分类数据集，通过多种变分自编码器（VAEs）进行潜在编码，并保存为safetensors格式。数据集文件结构为train/class/number.safetensors和test/class/number.safetensors，每个文件包含图像的潜在表示和原始类别信息。数据集提供了不同VAE版本和潜在空间大小的重建质量比较，推荐使用sdxl-488版本。
Latent CIFAR100数据集是基于CIFAR100的图像分类数据集，通过多种变分自编码器（VAEs）进行潜在编码，并保存为safetensors格式。数据集文件结构为train/class/number.safetensors和test/class/number.safetensors，每个文件包含图像的潜在表示和原始类别信息。数据集提供了不同VAE版本和潜在空间大小的重建质量比较，推荐使用sdxl-488版本。
提供机构：
Verah
原始信息汇总
数据集概述
数据集名称
Latent CIFAR100
数据集来源
原始数据集为CIFAR100，经过多种VAEs隐式编码后保存为safetensors格式。
数据集结构
- 训练集路径：
train/class/number.safetensors - 测试集路径：
test/class/class/number.safetensors
文件内容
每个safetensor文件包含图像数据在"latent"键中，原始类别号在"class"键中。
推荐版本
推荐使用sdxl-488版本，其中488代表隐变量的尺寸（通道数、高度、宽度）。
版本细节
-
4x4x4 Latents
VAE 重建损失（越高越差） sdxl 5.4934 sd 1.4 4.7587 -
4x8x8 Latents
VAE 重建损失（越高越差） sdxl 1.0006 sd 1.4 1.2753
数据集加载方法
python from safetensors import safe_open from torchvision.datasets import DatasetFolder
def safeloader(path :str) -> torch.Tensor: with safe_open(path, framework="pt", device="cpu") as f: latent = f.get_tensor("latent") return latent
test_dataset = DatasetFolder("cifar100/test", extensions="safetensors", loader=safeloader) train_dataset = DatasetFolder("cifar100/train", extensions="safetensors", loader=safeloader)
