profond1b, profond1b

• Descriptif :

Embeddings pré-formés pour la recherche approximative du voisin le plus proche à l'aide de la distance cosinus. Cet ensemble de données se compose de deux divisions :

1. 'database' : se compose de 9 990 000 points de données, chacun a des fonctionnalités : 'embedding' (96 flottants), 'index' (int64), 'neighbors' (liste vide).
2. 'test' : consiste en 10 000 points de données, chacun a des caractéristiques : 'embedding' (96 floats), 'index' (int64), 'neighbors' (liste de 'index' et 'distance' des voisins les plus proches dans la base de données. )

• Page d' accueil : http://sites.skoltech.ru/compvision/noimi/

• Code source : tfds.nearest_neighbors.deep1b.Deep1b

• Versions :

  • 1.0.0 (par défaut) : version initiale.

• Taille du téléchargement : 3.58 GiB

• Taille du jeu de données : 4.46 GiB

• Mise en cache automatique ( documentation ): Non

• Fractionnements :

• Structure des fonctionnalités :

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

• Documentation des fonctionnalités :

• Clés supervisées (Voir as_supervised doc ): None

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ):

• Citation :

@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}
}