اسکن کنید

با مجموعه‌ها، منظم بمانید ذخیره و دسته‌بندی محتوا براساس اولویت‌های شما.

  • توضیحات :

وظایف را با تقسیم های مختلف اسکن کنید.

SCAN مجموعه ای از وظایف ناوبری ساده مبتنی بر زبان برای مطالعه یادگیری ترکیبی و تعمیم صفر شات است.

بیشتر تقسیم‌ها در https://github.com/brendenlake/SCAN شرح داده شده‌اند.

استفاده اولیه:

data = tfds.load('scan/length')

مثال پیشرفته تر:

import tensorflow_datasets as tfds
from tensorflow_datasets.datasets.scan import scan_dataset_builder

data = tfds.load(
    'scan',
    builder_kwargs=dict(
        config=scan_dataset_builder.ScanConfig(
            name='simple_p8', directory='simple_split/size_variations')))
FeaturesDict({
    'actions': Text(shape=(), dtype=string),
    'commands': Text(shape=(), dtype=string),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
اقدامات متن رشته
دستورات متن رشته
  • کلیدهای نظارت شده (نگاه کنید به as_supervised doc ): ('commands', 'actions')

  • شکل ( tfds.show_examples ): پشتیبانی نمی شود.

  • نقل قول :

@inproceedings{Lake2018GeneralizationWS,
  title={Generalization without Systematicity: On the Compositional Skills of
         Sequence-to-Sequence Recurrent Networks},
  author={Brenden M. Lake and Marco Baroni},
  booktitle={ICML},
  year={2018},
  url={https://arxiv.org/pdf/1711.00350.pdf},
}
@inproceedings{Keysers2020,
  title={Measuring Compositional Generalization: A Comprehensive Method on
         Realistic Data},
  author={Daniel Keysers and Nathanael Sch\"{a}rli and Nathan Scales and
          Hylke Buisman and Daniel Furrer and Sergii Kashubin and
          Nikola Momchev and Danila Sinopalnikov and Lukasz Stafiniak and
          Tibor Tihon and Dmitry Tsarkov and Xiao Wang and Marc van Zee and
          Olivier Bousquet},
  note={Additional citation for MCD splits},
  booktitle={ICLR},
  year={2020},
  url={https://arxiv.org/abs/1912.09713.pdf},
}

اسکن/ساده (پیکربندی پیش فرض)

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 4.47 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 4,182
'train' 16728

scan/addprim_jump

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 4.53 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 7706
'train' 14670

scan/addprim_turn_left

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 4.58 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 1208
'train' 21,890

scan/filler_num0

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 3.20 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 1173
'train' 15,225

scan/filler_num1

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 3.51 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 1173
'train' 16290

scan/filler_num2

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 3.84 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 1173
'train' 17,391

scan/filler_num3

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 4.17 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 1173
'train' 18528

اسکن / طول

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 4.47 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 3,920
'train' 16990

scan/template_around_right

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 4.17 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 4,476
'train' 15,225

scan/template_jump_around_right

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 4.17 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 1173
'train' 18528

scan/template_opposite_right

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 4.22 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 4,476
'train' 15,225

scan/template_right

  • حجم دانلود : 17.82 MiB

  • حجم مجموعه داده : 4.26 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 4,476
'train' 15,225

اسکن / mcd1

  • حجم دانلود : 17.89 MiB

  • حجم مجموعه داده : 1.89 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 1,045
'train' 8,365

اسکن / mcd2

  • حجم دانلود : 17.89 MiB

  • حجم مجموعه داده : 1.84 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 1,045
'train' 8,365

اسکن / mcd3

  • حجم دانلود : 17.89 MiB

  • حجم مجموعه داده : 1.87 MiB

  • تقسیم ها :

شکاف مثال ها
'test' 1,045
'train' 8,365