- Açıklama :
Öklid mesafesini kullanarak yaklaşık en yakın komşu araması için önceden eğitilmiş yerleştirmeler. Bu veri kümesi iki bölmeden oluşur:
- 'veritabanı': 1.000.000 veri noktasından oluşur, her birinin şu özellikleri vardır: 'yerleştirme' (128 kayan nokta), 'dizin' (int64), 'komşular' (boş liste).
- 'test': 10.000 veri noktasından oluşur, her birinin özellikleri vardır: 'gömme' (128 kayan nokta), 'dizin' (int64), 'komşular' (veritabanındaki en yakın komşuların 'dizin' ve 'mesafe' listesi). )
Ana sayfa : http://corpus-texmex.irisa.fr/
Kaynak kodu :
tfds.datasets.sift1m.Builder
sürümler :
-
1.0.0
(varsayılan): İlk sürüm.
-
İndirme boyutu :
500.80 MiB
Veri kümesi boyutu :
589.49 MiB
Otomatik önbelleğe alınmış ( belgeleme ): Hayır
bölmeler :
Bölmek | örnekler |
---|---|
'database' | 1.000.000 |
'test' | 10.000 |
- Özellik yapısı :
FeaturesDict({
'embedding': Tensor(shape=(128,), dtype=float32),
'index': Scalar(shape=(), dtype=int64),
'neighbors': Sequence({
'distance': Scalar(shape=(), dtype=float32),
'index': Scalar(shape=(), dtype=int64),
}),
})
- Özellik belgeleri :
Özellik | Sınıf | Şekil | Dtipi | Açıklama |
---|---|---|---|---|
ÖzelliklerDict | ||||
gömmek | tensör | (128,) | şamandıra32 | |
dizin | skaler | int64 | Bölme içindeki dizin. | |
komşular | Sıra | Yalnızca test bölümü için kullanılabilen hesaplanan komşular. | ||
komşular/uzaklık | skaler | şamandıra32 | Komşu mesafesi. | |
komşular/dizin | skaler | int64 | Komşu indeksi. |
Denetlenen anahtarlar (Bkz
as_supervised
doc ):None
Şekil ( tfds.show_examples ): Desteklenmiyor.
Örnekler ( tfds.as_dataframe ):
- Alıntı :
@article{jegou2010product,
title={Product quantization for nearest neighbor search},
author={Jegou, Herve and Douze, Matthijs and Schmid, Cordelia},
journal={IEEE transactions on pattern analysis and machine intelligence},
volume={33},
number={1},
pages={117--128},
year={2010},
publisher={IEEE}
}