ลึก 1b

• คำอธิบาย :

การฝังที่ได้รับการฝึกอบรมล่วงหน้าสำหรับการค้นหาเพื่อนบ้านที่ใกล้ที่สุดโดยประมาณโดยใช้ระยะทางโคไซน์ ชุดข้อมูลนี้ประกอบด้วยสองส่วน:

1. 'ฐานข้อมูล': ประกอบด้วยจุดข้อมูล 9,990,000 จุด แต่ละจุดมีคุณสมบัติ: 'การฝัง' (96 โฟลต), 'ดัชนี' (int64), 'เพื่อนบ้าน' (รายการว่าง)
2. 'ทดสอบ': ประกอบด้วยจุดข้อมูล 10,000 จุด แต่ละจุดมีคุณสมบัติ: 'การฝัง' (96 โฟลต), 'ดัชนี' (int64), 'เพื่อนบ้าน' (รายการ 'ดัชนี' และ 'ระยะทาง' ของเพื่อนบ้านที่ใกล้ที่สุดในฐานข้อมูล )

• หน้าแรก : http://sites.skoltech.ru/compvision/noimi/

• ซอร์สโค้ด : tfds.nearest_neighbors.deep1b.Deep1b

• รุ่น :

  • 1.0.0 (ค่าเริ่มต้น): การเปิดตัวครั้งแรก

• ขนาดการดาวน์โหลด : 3.58 GiB

• ขนาดชุดข้อมูล : 4.46 GiB

• แคชอัตโนมัติ ( เอกสาร ): No

• แยก :

แยก	ตัวอย่าง
'database'	9,990,000
'test'	10,000

• โครงสร้างคุณสมบัติ :

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.),
    }),
})

• เอกสารคุณสมบัติ :

คุณสมบัติ	ระดับ	รูปร่าง	ประเภทD	คำอธิบาย
	คุณสมบัติDict
การฝัง	เทนเซอร์	(96,)	ลอย32
ดัชนี	สเกลาร์		int64	ดัชนีภายในการแบ่ง
เพื่อนบ้าน	ลำดับ			เพื่อนบ้านที่คำนวณแล้ว ซึ่งมีให้สำหรับการแยกการทดสอบเท่านั้น
เพื่อนบ้าน/ระยะทาง	สเกลาร์		ลอย32	ระยะห่างเพื่อนบ้าน.
เพื่อนบ้าน/ดัชนี	สเกลาร์		int64	ดัชนีเพื่อนบ้าน

• คีย์ภายใต้การดูแล (ดู as_supervised doc ): None

• รูปภาพ ( tfds.show_examples ): ไม่รองรับ

• ตัวอย่าง ( tfds.as_dataframe ):

• การอ้างอิง :

@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}
}