eleme1m

• Tanım :

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

1. 'veritabanı': 1.000.000 veri noktasından oluşur, her birinin özellikleri vardır: 'gömme' (128 kayan nokta), 'indeks' (int64), 'komşular' (boş liste).
2. 'test': 10.000 veri noktasından oluşur, her birinin özellikleri vardır: 'gömme' (128 kayan nokta), 'indeks' (int64), 'komşular' (veritabanındaki en yakın komşuların 'indeks' 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 ( belgeler ): Hayır

• Bölünmeler :

Bölmek	Örnekler
'database'	1.000.000
'test'	10.000

• Özellik yapısı :

FeaturesDict({
    'embedding': Tensor(shape=(128,), dtype=float32),
    'index': Scalar(shape=(), dtype=int64, description=Index within the split.),
    'neighbors': Sequence({
        'distance': Scalar(shape=(), dtype=float32, description=Neighbor distance.),
        'index': Scalar(shape=(), dtype=int64, description=Neighbor index.),
    }),
})

• Özellik belgeleri :

Özellik	Sınıf	Şekil	Dtipi	Tanım
	ÖzelliklerDict
gömme	Tensör	(128,)	kayan nokta32
dizin	Skaler		int64	Bölünme içindeki dizin.
komşular	Sekans			Yalnızca test bölümü için kullanılabilen hesaplanan komşular.
komşular/mesafe	Skaler		kayan nokta32	Komşu mesafesi.
komşular/dizin	Skaler		int64	Komşu dizini.

• Denetlenen anahtarlar ( as_supervised belgesine bakın): 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}
}