deep1b

• توضیحات :

جاسازی های از پیش آموزش دیده برای جستجوی تقریبی نزدیکترین همسایه با استفاده از فاصله کسینوس. این مجموعه داده از دو تقسیم تشکیل شده است:

1. 'پایگاه داده': شامل 9,990,000 نقطه داده است که هر کدام دارای ویژگی هایی است: 'جاسازی' (96 شناور)، 'ایندکس' (int64)، 'همسایگان' (فهرست خالی).
2. "تست": شامل 10000 نقطه داده است که هر کدام دارای ویژگی هایی است: "جاسازی" (96 شناور)، "شاخص" (int64)، "همسایگان" (فهرست "شاخص" و "فاصله" نزدیکترین همسایگان در پایگاه داده. )

• صفحه اصلی : http://sites.skoltech.ru/compvision/noimi/

• کد منبع : tfds.nearest_neighbors.deep1b.Deep1b

• نسخه ها :

  • 1.0.0 (پیش فرض): انتشار اولیه.

• حجم دانلود : 3.58 GiB

• حجم مجموعه داده : 4.46 GiB

• ذخیره خودکار ( اسناد ): خیر

• تقسیم ها :

تقسیم کنید	نمونه ها
'database'	9,990,000
'test'	10000

• ساختار ویژگی :

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.),
    }),
})

• مستندات ویژگی :

ویژگی	کلاس	شکل	نوع D	توضیحات
	FeaturesDict
تعبیه کردن	تانسور	(96،)	float32
شاخص	اسکالر		int64	شاخص در شکاف.
همسایه ها	دنباله			همسایه های محاسبه شده، که فقط برای تقسیم تست در دسترس است.
همسایگان/فاصله	اسکالر		float32	فاصله همسایه
همسایگان/شاخص	اسکالر		int64	شاخص همسایه.

• کلیدهای نظارت شده (به as_supervised doc مراجعه کنید): None

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

• مثال‌ها ( tfds.as_dataframe ):

• نقل قول :

@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}
}