- Descrizione :
Incorporamenti pre-addestrati per la ricerca approssimativa del vicino più vicino utilizzando la distanza euclidea. Questo set di dati è costituito da due suddivisioni:
- 'database': è costituito da 1.000.000 di punti dati, ciascuno con caratteristiche: 'incorporamento' (128 float), 'indice' (int64), 'vicini' (lista vuota).
- 'test': è composto da 10.000 punti dati, ognuno ha caratteristiche: 'incorporamento' (128 float), 'indice' (int64), 'vicini' (elenco di 'indice' e 'distanza' dei vicini più vicini nel database. )
Pagina iniziale : http://corpus-texmex.irisa.fr/
Codice sorgente :
tfds.datasets.sift1m.Builder
Versioni :
-
1.0.0
(impostazione predefinita): versione iniziale.
-
Dimensione del download :
500.80 MiB
Dimensione del set di dati:
589.49 MiB
Cache automatica ( documentazione ): No
Divisioni :
Diviso | Esempi |
---|---|
'database' | 1.000.000 |
'test' | 10.000 |
- Struttura delle caratteristiche :
FeaturesDict({
'embedding': Tensor(shape=(128,), dtype=float32),
'index': Scalar(shape=(), dtype=int64),
'neighbors': Sequence({
'distance': Scalar(shape=(), dtype=float32),
'index': Scalar(shape=(), dtype=int64),
}),
})
- Documentazione delle funzionalità :
Caratteristica | Classe | Forma | Tipo D | Descrizione |
---|---|---|---|---|
CaratteristicheDict | ||||
incorporamento | Tensore | (128,) | galleggiante32 | |
indice | Scalare | int64 | Indice all'interno della divisione. | |
vicinato | Sequenza | I vicini calcolati, che è disponibile solo per la suddivisione del test. | ||
vicini/distanza | Scalare | galleggiante32 | Distanza del vicino. | |
vicini/indice | Scalare | int64 | Indice di vicinato. |
Chiavi supervisionate (Vedi
as_supervised
doc ):None
Figura ( tfds.show_examples ): non supportato.
Esempi ( tfds.as_dataframe ):
- Citazione :
@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}
}