przesiać1m

  • opis :

Wstępnie wytrenowane osadzenie do przybliżonego wyszukiwania najbliższego sąsiada przy użyciu odległości euklidesowej. Ten zestaw danych składa się z dwóch podziałów:

  1. „baza danych”: składa się z 1 000 000 punktów danych, z których każdy ma cechy: „osadzanie” (128 elementów zmiennoprzecinkowych), „indeks” (int64), „sąsiedzi” (pusta lista).
  2. „test”: składa się z 10 000 punktów danych, z których każdy ma cechy: „osadzanie” (128 pływaków), „indeks” (int64), „sąsiedzi” (lista „indeksu” i „odległości” najbliższych sąsiadów w bazie danych. )
Podział Przykłady
'database' 1 000 000
'test' 10 000
  • Struktura funkcji :
FeaturesDict({
    'embedding': Tensor(shape=(128,), dtype=float32),
    'index': Scalar(shape=(), dtype=int64),
    'neighbors': Sequence({
        'distance': Scalar(shape=(), dtype=float32),
        'index': Scalar(shape=(), dtype=int64),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształtować się Typ D Opis
FunkcjeDict
osadzanie Napinacz (128,) pływak32
indeks Skalarny int64 Indeks w podziale.
sąsiedzi Sekwencja Obliczeni sąsiedzi, który jest dostępny tylko dla podziału testu.
sąsiedzi/odległość Skalarny pływak32 Odległość sąsiedzka.
sąsiedzi/indeks Skalarny int64 Indeks sąsiada.
  • Cytat :
@article{jegou2010product,
  title={Product quantization for nearest neighbor search},
  author={Jegou, Herve and Douze, Matthijs and Schmid, Cordelia},
  journal={IEEE transactions on pattern analysis and machine intelligence},
  volume={33},
  number={1},
  pages={117--128},
  year={2010},
  publisher={IEEE}
}