profond1b

• Description :

Intégrations pré-entraînées pour la recherche approximative du voisin le plus proche en utilisant la distance cosinusoïdale. Cet ensemble de données se compose de deux divisions :

1. « base de données » : se compose de 9 990 000 points de données, chacun ayant des fonctionnalités : « intégration » (96 flottants), « index » (int64), « voisins » (liste vide).
2. 'test' : se compose de 10 000 points de données, chacun ayant des fonctionnalités : 'intégration' (96 flottants), 'index' (int64), 'voisins' (liste des 'index' et 'distance' des voisins les plus proches dans la base de données. )

• Page d'accueil : http://sites.skoltech.ru/compvision/noimi/

• Code source : tfds.nearest_neighbors.deep1b.Deep1b

• Versions :

  • 1.0.0 (par défaut) : version initiale.

• Taille du téléchargement : 3.58 GiB

• Taille de l'ensemble de données : 4.46 GiB

• Mise en cache automatique ( documentation ) : Non

• Divisions :

• Structure des fonctionnalités :

FeaturesDict({
    'embedding': Tensor(shape=(96,), 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.),
    }),
})

• Documentation des fonctionnalités :

• Clés supervisées (Voir doc as_supervised ) : None

• Figure ( tfds.show_examples ) : non pris en charge.

• Exemples ( tfds.as_dataframe ) :

• Citation :

@inproceedings{babenko2016efficient,
  title={Efficient indexing of billion-scale datasets of deep descriptors},
  author={Babenko, Artem and Lempitsky, Victor},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  pages={2055--2063},
  year={2016}
}