derin1b,derin1b

  • Açıklama :

Kosinüs mesafesini kullanarak yaklaşık en yakın komşu araması için önceden eğitilmiş yerleştirmeler. Bu veri kümesi iki bölmeden oluşur:

  1. 'veritabanı': 9.990.000 veri noktasından oluşur, her birinin şu özellikleri vardır: 'yerleştirme' (96 kayan nokta), 'dizin' (int64), 'komşular' (boş liste).
  2. 'test': 10.000 veri noktasından oluşur, her birinin özellikleri vardır: 'gömme' (96 kayan nokta), 'dizin' (int64), 'komşular' (veritabanındaki en yakın komşuların 'dizin' ve 'mesafe' listesi). )
Bölmek örnekler
'database' 9.990.000
'test' 10.000
  • Özellik yapısı :
FeaturesDict({
    'embedding': Tensor(shape=(96,), dtype=float32),
    'index': Scalar(shape=(), dtype=int64),
    'neighbors': Sequence({
        'distance': Scalar(shape=(), dtype=float32),
        'index': Scalar(shape=(), dtype=int64),
    }),
})
  • Özellik belgeleri :
Özellik Sınıf Şekil Dtipi Tanım
ÖzelliklerDict
gömmek tensör (96,) şamandıra32
dizin skaler int64 Bölme içindeki dizin.
komşular Sekans Yalnızca test bölümü için kullanılabilen hesaplanan komşular.
komşular/uzaklık skaler şamandıra32 Komşu mesafesi.
komşular/dizin skaler int64 Komşu indeksi.
  • Alıntı :
@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}
}