- opis :
Wstępnie wytrenowane osadzenie do przybliżonego wyszukiwania najbliższego sąsiada przy użyciu odległości euklidesowej. Ten zestaw danych składa się z dwóch podziałów:
- „baza danych”: składa się z 1 000 000 punktów danych, z których każdy ma cechy: „osadzanie” (128 elementów zmiennoprzecinkowych), „indeks” (int64), „sąsiedzi” (pusta lista).
- „test”: składa się z 10 000 punktów danych, z których każdy ma cechy: „osadzanie” (128 pływaków), „indeks” (int64), „sąsiedzi” (lista „indeksu” i „odległości” najbliższych sąsiadów w bazie danych. )
Strona główna : http://corpus-texmex.irisa.fr/
Kod źródłowy :
tfds.datasets.sift1m.Builder
Wersje :
-
1.0.0
(domyślnie): Wersja początkowa.
-
Rozmiar pliku do pobrania :
500.80 MiB
Rozmiar zbioru danych :
589.49 MiB
Automatyczne buforowanie ( dokumentacja ): Nie
Podziały :
Podział | Przykłady |
---|---|
'database' | 1 000 000 |
'test' | 10 000 |
- Struktura funkcji :
FeaturesDict({
'embedding': Tensor(shape=(128,), dtype=float32),
'index': Scalar(shape=(), dtype=int64),
'neighbors': Sequence({
'distance': Scalar(shape=(), dtype=float32),
'index': Scalar(shape=(), dtype=int64),
}),
})
- Dokumentacja funkcji :
Funkcja | Klasa | Kształtować się | Typ D | Opis |
---|---|---|---|---|
FunkcjeDict | ||||
osadzanie | Napinacz | (128,) | 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. |
Klucze nadzorowane (Zobacz dokument
as_supervised
):None
Rysunek ( tfds.show_examples ): Nieobsługiwany.
Przykłady ( tfds.as_dataframe ):
- Cytat :
@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}
}