スキャン

• 説明:

さまざまな分割を伴う SCAN タスク。

SCAN は、構成学習とゼロショット一般化を研究するための単純な言語駆動型ナビゲーション タスクのセットです。

ほとんどの分割については、 https://github.com/brendenlake/SCANで説明されています。MCD 分割については、 https: //arxiv.org/abs/1912.09713.pdf を参照してください。

基本的な使い方:

data = tfds.load('scan/length')

より高度な例:

import tensorflow_datasets as tfds
from tensorflow_datasets.datasets.scan import scan_dataset_builder

data = tfds.load(
    'scan',
    builder_kwargs=dict(
        config=scan_dataset_builder.ScanConfig(
            name='simple_p8', directory='simple_split/size_variations')))

• 追加のドキュメント:コードを使用したペーパーの探索

• ホームページ: https://github.com/brendenlake/SCAN

• ソース コード: tfds.datasets.scan.Builder

• バージョン:

  • 1.1.1 (デフォルト): リリース ノートはありません。

• 自動キャッシュ(ドキュメント): はい

• 機能構造:

FeaturesDict({
    'actions': Text(shape=(), dtype=string),
    'commands': Text(shape=(), dtype=string),
})

• 機能のドキュメント:

特徴	クラス	形	Dtype	説明
	特徴辞書
行動	文章		ストリング
コマンド	文章		ストリング

• 監視されたキー( as_supervised docを参照): ('commands', 'actions')

• 図( tfds.show_examples ): サポートされていません。

• 引用：

@inproceedings{Lake2018GeneralizationWS,
  title={Generalization without Systematicity: On the Compositional Skills of
         Sequence-to-Sequence Recurrent Networks},
  author={Brenden M. Lake and Marco Baroni},
  booktitle={ICML},
  year={2018},
  url={https://arxiv.org/pdf/1711.00350.pdf},
}
@inproceedings{Keysers2020,
  title={Measuring Compositional Generalization: A Comprehensive Method on
         Realistic Data},
  author={Daniel Keysers and Nathanael Sch\"{a}rli and Nathan Scales and
          Hylke Buisman and Daniel Furrer and Sergii Kashubin and
          Nikola Momchev and Danila Sinopalnikov and Lukasz Stafiniak and
          Tibor Tihon and Dmitry Tsarkov and Xiao Wang and Marc van Zee and
          Olivier Bousquet},
  note={Additional citation for MCD splits},
  booktitle={ICLR},
  year={2020},
  url={https://arxiv.org/abs/1912.09713.pdf},
}

スキャン/シンプル (デフォルト設定)

• ダウンロードサイズ: 17.82 MiB

• データセットのサイズ: 4.47 MiB

• スプリット:

スプリット	例
'test'	4,182
'train'	16,728

• 例( tfds.as_dataframe ):

スキャン/addprim_jump

• ダウンロードサイズ: 17.82 MiB

• データセットサイズ: 4.53 MiB

• スプリット:

スプリット	例
'test'	7,706
'train'	14,670

• 例( tfds.as_dataframe ):

scan/addprim_turn_left

• ダウンロードサイズ: 17.82 MiB

• データセットのサイズ: 4.58 MiB

• スプリット:

スプリット	例
'test'	1,208
'train'	21,890

• 例( tfds.as_dataframe ):

スキャン/filler_num0

• ダウンロードサイズ: 17.82 MiB

• データセットサイズ: 3.20 MiB

• スプリット:

スプリット	例
'test'	1,173
'train'	15,225

• 例( tfds.as_dataframe ):

スキャン/filler_num1

• ダウンロードサイズ: 17.82 MiB

• データセットサイズ: 3.51 MiB

• スプリット:

スプリット	例
'test'	1,173
'train'	16,290

• 例( tfds.as_dataframe ):

スキャン/filler_num2

• ダウンロードサイズ: 17.82 MiB

• データセットサイズ: 3.84 MiB

• スプリット:

スプリット	例
'test'	1,173
'train'	17,391

• 例( tfds.as_dataframe ):

スキャン/filler_num3

• ダウンロードサイズ: 17.82 MiB

• データセットサイズ: 4.17 MiB

• スプリット:

スプリット	例
'test'	1,173
'train'	18,528

• 例( tfds.as_dataframe ):

スキャン/長さ

• ダウンロードサイズ: 17.82 MiB

• データセットのサイズ: 4.47 MiB

• スプリット:

スプリット	例
'test'	3,920
'train'	16,990

• 例( tfds.as_dataframe ):

スキャン/template_around_right

• ダウンロードサイズ: 17.82 MiB

• データセットサイズ: 4.17 MiB

• スプリット:

スプリット	例
'test'	4,476
'train'	15,225

• 例( tfds.as_dataframe ):

scan/template_jump_around_right

• ダウンロードサイズ: 17.82 MiB

• データセットサイズ: 4.17 MiB

• スプリット:

スプリット	例
'test'	1,173
'train'	18,528

• 例( tfds.as_dataframe ):

スキャン/template_opposite_right

• ダウンロードサイズ: 17.82 MiB

• データセットサイズ: 4.22 MiB

• スプリット:

スプリット	例
'test'	4,476
'train'	15,225

• 例( tfds.as_dataframe ):

スキャン/template_right

• ダウンロードサイズ: 17.82 MiB

• データセットサイズ: 4.26 MiB

• スプリット:

スプリット	例
'test'	4,476
'train'	15,225

• 例( tfds.as_dataframe ):

スキャン/mcd1

• ダウンロードサイズ: 17.89 MiB

• データセットサイズ: 1.89 MiB

• スプリット:

スプリット	例
'test'	1,045
'train'	8,365

• 例( tfds.as_dataframe ):

スキャン/mcd2

• ダウンロードサイズ: 17.89 MiB

• データセットサイズ: 1.84 MiB

• スプリット:

スプリット	例
'test'	1,045
'train'	8,365

• 例( tfds.as_dataframe ):

スキャン/mcd3

• ダウンロードサイズ: 17.89 MiB

• データセットサイズ: 1.87 MiB

• スプリット:

スプリット	例
'test'	1,045
'train'	8,365

• 例( tfds.as_dataframe ):