- विवरण :
कोसाइन दूरी का उपयोग करके निकटतम निकटतम पड़ोसी खोज के लिए पूर्व-प्रशिक्षित एम्बेडिंग। इस डेटासेट में दो विभाजन होते हैं:
- 'डेटाबेस': इसमें 9,990,000 डेटा पॉइंट होते हैं, प्रत्येक में विशेषताएं होती हैं: 'एम्बेडिंग' (96 फ़्लोट्स), 'इंडेक्स' (int64), 'पड़ोसी' (खाली सूची)।
- 'टेस्ट': इसमें 10,000 डेटा पॉइंट होते हैं, प्रत्येक में विशेषताएं होती हैं: 'एम्बेडिंग' (96 फ़्लोट्स), 'इंडेक्स' (int64), 'पड़ोसी' ('इंडेक्स' की सूची और डेटाबेस में निकटतम पड़ोसियों की 'दूरी'। )
स्रोत कोड :
tfds.nearest_neighbors.deep1b.Deep1b
.नियरस्ट_पड़ोसी.दीप1बी.दीप1बीसंस्करण :
-
1.0.0
(डिफ़ॉल्ट): प्रारंभिक रिलीज़।
-
डाउनलोड आकार :
3.58 GiB
डेटासेट का आकार :
4.46 GiB
ऑटो-कैश्ड ( दस्तावेज़ीकरण ): नहीं
विभाजन :
विभाजित करना | उदाहरण |
---|---|
'database' | 9,990,000 |
'test' | 10,000 |
- फ़ीचर संरचना :
FeaturesDict({
'embedding': Tensor(shape=(96,), dtype=float32),
'index': Scalar(shape=(), dtype=int64),
'neighbors': Sequence({
'distance': Scalar(shape=(), dtype=float32),
'index': Scalar(shape=(), dtype=int64),
}),
})
- फ़ीचर दस्तावेज़ीकरण :
विशेषता | कक्षा | आकार | डीटाइप | विवरण |
---|---|---|---|---|
विशेषताएं डिक्ट | ||||
एम्बेडिंग | टेन्सर | (96,) | फ्लोट32 | |
अनुक्रमणिका | अदिश | int64 | विभाजन के भीतर सूचकांक। | |
पड़ोसियों | क्रम | परिकलित पड़ोसी, जो केवल परीक्षण विभाजन के लिए उपलब्ध है। | ||
पड़ोसी / दूरी | अदिश | फ्लोट32 | पड़ोसी की दूरी। | |
पड़ोसियों/index | अदिश | int64 | पड़ोसी सूचकांक। |
पर्यवेक्षित कुंजियाँ (
as_supervised
doc देखें):None
चित्र ( tfds.show_examples ): समर्थित नहीं है।
उदाहरण ( tfds.as_dataframe ):
- उद्धरण :
@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}
}