- Descriptif :
Embeddings pré-formés pour la recherche approximative du voisin le plus proche à l'aide de la distance cosinus. Cet ensemble de données se compose de deux divisions :
- 'database' : se compose de 9 990 000 points de données, chacun a des fonctionnalités : 'embedding' (96 flottants), 'index' (int64), 'neighbors' (liste vide).
- 'test' : consiste en 10 000 points de données, chacun a des caractéristiques : 'embedding' (96 floats), 'index' (int64), 'neighbors' (liste de 'index' et 'distance' des voisins les plus proches dans la base de données. )
Page d' accueil : http://sites.skoltech.ru/compvision/noimi/
Code source :
tfds.nearest_neighbors.deep1b.Deep1b
Versions :
-
1.0.0
(par défaut) : version initiale.
-
Taille du téléchargement :
3.58 GiB
Taille du jeu de données :
4.46 GiB
Mise en cache automatique ( documentation ): Non
Fractionnements :
Diviser | Exemples |
---|---|
'database' | 9 990 000 |
'test' | 10 000 |
- Structure des fonctionnalités :
FeaturesDict({
'embedding': Tensor(shape=(96,), dtype=float32),
'index': Scalar(shape=(), dtype=int64),
'neighbors': Sequence({
'distance': Scalar(shape=(), dtype=float32),
'index': Scalar(shape=(), dtype=int64),
}),
})
- Documentation des fonctionnalités :
Caractéristique | Classer | Forme | Dtype | La description |
---|---|---|---|---|
FonctionnalitésDict | ||||
incorporation | Tenseur | (96,) | float32 | |
indice | Scalaire | int64 | Index dans la scission. | |
voisins | Séquence | Les voisins calculés, qui ne sont disponibles que pour le fractionnement de test. | ||
voisins/distance | Scalaire | float32 | Éloignement voisin. | |
voisins/index | Scalaire | int64 | Indice voisin. |
Clés supervisées (Voir
as_supervised
doc ):None
Figure ( tfds.show_examples ) : non pris en charge.
Exemples ( tfds.as_dataframe ):
- Citation :
@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}
}