дип1б, дип1б

• Описание :

Предварительно обученные вложения для приблизительного поиска ближайшего соседа с использованием косинусного расстояния. Этот набор данных состоит из двух разбиений:

1. «база данных»: состоит из 9 990 000 точек данных, каждая из которых имеет функции: «встраивание» (96 чисел с плавающей запятой), «индекс» (int64), «соседи» (пустой список).
2. «тест»: состоит из 10 000 точек данных, каждая из которых имеет функции: «встраивание» (96 чисел с плавающей запятой), «индекс» (int64), «соседи» (список «индекса» и «расстояния» до ближайших соседей в базе данных. )

• Домашняя страница : http://sites.skoltech.ru/compvision/noimi/

• Исходный код : tfds.nearest_neighbors.deep1b.Deep1b

• Версии :

  • 1.0.0 (по умолчанию): Первоначальный выпуск.

• Размер загрузки : 3.58 GiB

• Размер набора данных : 4.46 GiB

• Автоматическое кэширование ( документация ): Нет

• Сплиты :

Расколоть	Примеры
'database'	9 990 000
'test'	10 000

• Структура функции :

FeaturesDict({
    'embedding': Tensor(shape=(96,), dtype=float32),
    'index': Scalar(shape=(), dtype=int64),
    'neighbors': Sequence({
        'distance': Scalar(shape=(), dtype=float32),
        'index': Scalar(shape=(), dtype=int64),
    }),
})

• Документация по функциям :

Особенность	Учебный класс	Форма	Dтип	Описание
	ОсобенностиDict
встраивание	Тензор	(96,)	поплавок32
индекс	Скаляр		int64	Индекс внутри раскола.
соседи	Последовательность			Вычисленные соседи, которые доступны только для тестового разделения.
соседи/расстояние	Скаляр		поплавок32	Соседское расстояние.
соседи/индекс	Скаляр		int64	Индекс соседа.

• Ключи под наблюдением (см . документ as_supervised ): None

• Рисунок ( tfds.show_examples ): не поддерживается.

• Примеры ( tfds.as_dataframe ):

• Цитата :

@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}
}