deep1b, deep1b

Deskripsi :

Penyematan terlatih untuk perkiraan pencarian tetangga terdekat menggunakan jarak kosinus. Dataset ini terdiri dari dua bagian:

'database': terdiri dari 9.990.000 titik data, masing-masing memiliki fitur: 'embedding' (96 float), 'index' (int64), 'neighbors' (daftar kosong).
'test': terdiri dari 10.000 titik data, masing-masing memiliki fitur: 'embedding' (96 float), 'index' (int64), 'neighbors' (daftar 'index' dan 'distance' tetangga terdekat di database. )

Beranda : http://sites.skoltech.ru/compvision/noimi/
Kode sumber : tfds.nearest_neighbors.deep1b.Deep1b
Versi :
- 1.0.0 (default): Rilis awal.
Ukuran unduhan : 3.58 GiB
Ukuran dataset : 4.46 GiB
Di-cache otomatis ( dokumentasi ): Tidak
Perpecahan :

Membelah	Contoh
`'database'`	9.990.000
`'test'`	10.000

Struktur fitur :

FeaturesDict({
    'embedding': Tensor(shape=(96,), dtype=float32),
    'index': Scalar(shape=(), dtype=int64),
    'neighbors': Sequence({
        'distance': Scalar(shape=(), dtype=float32),
        'index': Scalar(shape=(), dtype=int64),
    }),
})

Dokumentasi fitur :

Fitur	Kelas	Membentuk	Dtype	Keterangan
	fiturDict
penyematan	Tensor	(96,)	float32
indeks	Skalar		int64	Indeks dalam pemisahan.
tetangga	Urutan			Tetangga yang dihitung, yang hanya tersedia untuk test split.
tetangga/jarak	Skalar		float32	Jarak tetangga.
tetangga/indeks	Skalar		int64	Indeks tetangga.

Kunci yang diawasi (Lihat as_supervised doc ): None
Gambar ( tfds.show_examples ): Tidak didukung.
Contoh ( tfds.as_dataframe ):

Kutipan :

@inproceedings{babenko2016efficient,
  title={Efficient indexing of billion-scale datasets of deep descriptors},
  author={Babenko, Artem and Lempitsky, Victor},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  pages={2055--2063},
  year={2016}
}