deep1b, deep1b

Mô tả :

Các nhúng được đào tạo trước để tìm kiếm hàng xóm gần nhất bằng cách sử dụng khoảng cách cosine. Bộ dữ liệu này bao gồm hai phần:

'cơ sở dữ liệu': bao gồm 9.990.000 điểm dữ liệu, mỗi điểm có các tính năng: 'nhúng' (96 số float), 'chỉ mục' (int64), 'hàng xóm' (danh sách trống).
'test': gồm 10.000 điểm dữ liệu, mỗi điểm có các tính năng: 'embedding' (96 float), 'index' (int64), 'neighbors' (danh sách 'index' và 'khoảng cách' của các láng giềng gần nhất trong cơ sở dữ liệu. )

Trang chủ : http://sites.skoltech.ru/compvision/noimi/
Mã nguồn : tfds.nearest_neighbors.deep1b.Deep1b
Phiên bản :
- 1.0.0 (mặc định): Bản phát hành đầu tiên.
Kích thước tải xuống : 3.58 GiB
Kích thước tập dữ liệu : 4.46 GiB
Tự động lưu vào bộ nhớ cache ( tài liệu ): Không
Chia tách :

Tách ra	ví dụ
`'database'`	9.990.000
`'test'`	10.000

Cấu trúc tính năng :

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

Tài liệu tính năng :

Tính năng	Lớp	Hình dạng	Dtype	Sự mô tả
	Tính năngDict
nhúng	tenxơ	(96,)	phao32
mục lục	Vô hướng		int64	Chỉ mục trong phần chia.
người hàng xóm	Sự phối hợp			Hàng xóm được tính toán, chỉ khả dụng cho phân tách thử nghiệm.
hàng xóm/khoảng cách	Vô hướng		phao32	Khoảng cách hàng xóm.
hàng xóm/chỉ số	Vô hướng		int64	Chỉ số hàng xóm

Các khóa được giám sát (Xem as_supervised doc ): None
Hình ( tfds.show_examples ): Không được hỗ trợ.
Ví dụ ( tfds.as_dataframe ):

trích dẫn :

@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}
}