deep1b, deep1b

  • opis :

Wstępnie wytrenowane osadzenie do przybliżonego wyszukiwania najbliższego sąsiada przy użyciu odległości cosinusowej. Ten zestaw danych składa się z dwóch podziałów:

  1. „baza danych”: składa się z 9 990 000 punktów danych, z których każdy ma cechy: „osadzanie” (96 elementów zmiennoprzecinkowych), „indeks” (int64), „sąsiedzi” (pusta lista).
  2. „test”: składa się z 10 000 punktów danych, z których każdy ma cechy: „osadzanie” (96 pływaków), „indeks” (int64), „sąsiedzi” (lista „indeksu” i „odległości” najbliższych sąsiadów w bazie danych. )
Rozdzielać Przykłady
'database' 9 990 000
'test' 10 000
  • Struktura funkcji :
FeaturesDict({
    'embedding': Tensor(shape=(96,), dtype=float32),
    'index': Scalar(shape=(), dtype=int64),
    'neighbors': Sequence({
        'distance': Scalar(shape=(), dtype=float32),
        'index': Scalar(shape=(), dtype=int64),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDict
osadzanie Napinacz (96,) pływak32
indeks Skalarny int64 Indeks w podziale.
sąsiedzi Sekwencja Obliczeni sąsiedzi, który jest dostępny tylko dla podziału testu.
sąsiedzi/odległość Skalarny pływak32 Odległość sąsiedzka.
sąsiedzi/indeks Skalarny int64 Indeks sąsiada.
  • Cytat :
@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}
}