profundidade1b

• Descrição :

Incorporações pré-treinadas para pesquisa aproximada do vizinho mais próximo usando a distância do cosseno. Este conjunto de dados consiste em duas divisões:

1. 'banco de dados': consiste em 9.990.000 pontos de dados, cada um com recursos: 'incorporação' (96 pontos flutuantes), 'índice' (int64), 'vizinhos' (lista vazia).
2. 'teste': consiste em 10.000 pontos de dados, cada um possui recursos: 'incorporação' (96 flutuantes), 'índice' (int64), 'vizinhos' (lista de 'índice' e 'distância' dos vizinhos mais próximos no banco de dados. )

• Página inicial : http://sites.skoltech.ru/compvision/noimi/

• Código fonte : tfds.nearest_neighbors.deep1b.Deep1b

• Versões :

  • 1.0.0 (padrão): versão inicial.

• Tamanho do download : 3.58 GiB

• Tamanho do conjunto de dados : 4.46 GiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

Dividir	Exemplos
'database'	9.990.000
'test'	10.000

• Estrutura de recursos :

FeaturesDict({
    'embedding': Tensor(shape=(96,), dtype=float32),
    'index': Scalar(shape=(), dtype=int64, description=Index within the split.),
    'neighbors': Sequence({
        'distance': Scalar(shape=(), dtype=float32, description=Neighbor distance.),
        'index': Scalar(shape=(), dtype=int64, description=Neighbor index.),
    }),
})

• Documentação de recursos :

Recurso	Aula	Forma	Tipo D	Descrição
	RecursosDict
incorporação	Tensor	(96,)	float32
índice	Escalar		int64	Índice dentro da divisão.
vizinhos	Sequência			Os vizinhos calculados, que estão disponíveis apenas para a divisão de teste.
vizinhos/distância	Escalar		float32	Distância do vizinho.
vizinhos/índice	Escalar		int64	Índice vizinho.

• Chaves supervisionadas (consulte o documento as_supervised ): None

• Figura ( tfds.show_examples ): Não suportado.

• Exemplos ( tfds.as_dataframe ):

• Citação :

@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}
}