elek1m

  • Açıklama :

Öklid mesafesini kullanarak yaklaşık en yakın komşu araması için önceden eğitilmiş yerleştirmeler. Bu veri kümesi iki bölmeden oluşur:

  1. 'veritabanı': 1.000.000 veri noktasından oluşur, her birinin şu özellikleri vardır: 'yerleştirme' (128 kayan nokta), 'dizin' (int64), 'komşular' (boş liste).
  2. '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). )
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.
  • 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}
}