NASA: generating input tfrecord files
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 25/100
- Tipo di issue
- Documentazione
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- python, tensorflow
- Ambito
- data, machine-learning
Direzione di ricerca
Esamina tensorflow_graphics/projects/nasa e la sezione “Prepare the dataset” collegata nell’issue, quindi individua dove è implementata la generazione dei dati di esempio TFRecord. Documenta o rendi accessibile il processo di campionamento uniforme delle bounding box, di campionamento Poisson-disk della superficie con rumore sulle normali e delle label di ray-casting randomizzato, in modo che gli utenti possano riprodurre i dati di esempio.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
Hi,
I have some questions about generating input dataset for NASA.
Could you open the script used when generating the sample tfrecord data?
According to section 6.1 in the paper, training data consists of two:
- randomly sample points uniformly within a bounding box scaled to 110% of its original diagonal dimension
- Poisson disk sampling on the surface with normal noise (sigma 0.03)
and the indicator labels are computed by randomized ray casting and checking the parity
I'm wondering how this sampling process was implemented.
Thank you for your great work !
- Lingua principale
- Python
- Stelle
- 2.8k
- Fork
- 374
- Merge medio
- 5g 9h
- PR unite (30g)
- 1
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di tensorflow/graphics
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 62/100
tensorflow/graphics#468 ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
tensorflow/graphics#5337 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 25/100
tensorflow/graphics#730 ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
tensorflow/graphics#729 ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 10/100
tensorflow/graphics#724 ·
Tutte le issue di tensorflow/graphics
Issue simili
-
`destroy` sans terminal répond « Aborted. » au lieu de réclamer `--yes` comme `clean` et `reset`Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 85/100
stephrobert/dsoxlab#354 ·
I maintainer di solito rispondono entro 1 giorno
-
hardware help wanted testing
Difficoltà 2/5 1-3 ore Idoneità per principianti 62/100
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 77/100
jasonacox/pypowerwall#472 ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug]: DoubleMLRDDData accepts a score_col that is no data column (as in its docstring example); the running variable then becomes a covariate and RDFlex failsForse già presa @vrjdev l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
DoubleML/doubleml-for-py#455 ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug]: Python mod.Box[T] annotation gets a false generic_arg edge that replaces the parameter_type one ('is' on tree-sitter nodes)Forse già presa @rohit-jsfreaky l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
Graphify-Labs/graphify#5110 · 1 commento ·
I maintainer di solito rispondono entro 2 giorni