- 説明:
さまざまな分割を伴う SCAN タスク。
SCAN は、構成学習とゼロショット一般化を研究するための単純な言語駆動型ナビゲーション タスクのセットです。
ほとんどの分割については、 https://github.com/brendenlake/SCANで説明されています。MCD 分割については、 https: //arxiv.org/abs/1912.09713.pdf を参照してください。
基本的な使い方:
data = tfds.load('scan/length')
より高度な例:
import tensorflow_datasets as tfds
from tensorflow_datasets.datasets.scan import scan_dataset_builder
data = tfds.load(
'scan',
builder_kwargs=dict(
config=scan_dataset_builder.ScanConfig(
name='simple_p8', directory='simple_split/size_variations')))
追加のドキュメント:コード を使用したペーパーの探索
ソース コード:
tfds.datasets.scan.Builder
バージョン:
-
1.1.1
(デフォルト): リリース ノートはありません。
-
自動キャッシュ(ドキュメント): はい
機能構造:
FeaturesDict({
'actions': Text(shape=(), dtype=string),
'commands': Text(shape=(), dtype=string),
})
- 機能のドキュメント:
特徴 | クラス | 形 | Dtype | 説明 |
---|---|---|---|---|
特徴辞書 | ||||
行動 | 文章 | ストリング | ||
コマンド | 文章 | ストリング |
監視されたキー(
as_supervised
docを参照):('commands', 'actions')
図( tfds.show_examples ): サポートされていません。
引用:
@inproceedings{Lake2018GeneralizationWS,
title={Generalization without Systematicity: On the Compositional Skills of
Sequence-to-Sequence Recurrent Networks},
author={Brenden M. Lake and Marco Baroni},
booktitle={ICML},
year={2018},
url={https://arxiv.org/pdf/1711.00350.pdf},
}
@inproceedings{Keysers2020,
title={Measuring Compositional Generalization: A Comprehensive Method on
Realistic Data},
author={Daniel Keysers and Nathanael Sch\"{a}rli and Nathan Scales and
Hylke Buisman and Daniel Furrer and Sergii Kashubin and
Nikola Momchev and Danila Sinopalnikov and Lukasz Stafiniak and
Tibor Tihon and Dmitry Tsarkov and Xiao Wang and Marc van Zee and
Olivier Bousquet},
note={Additional citation for MCD splits},
booktitle={ICLR},
year={2020},
url={https://arxiv.org/abs/1912.09713.pdf},
}
スキャン/シンプル (デフォルト設定)
ダウンロードサイズ:
17.82 MiB
データセットのサイズ:
4.47 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 4,182 |
'train' | 16,728 |
- 例( tfds.as_dataframe ):
スキャン/addprim_jump
ダウンロードサイズ:
17.82 MiB
データセットサイズ:
4.53 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 7,706 |
'train' | 14,670 |
- 例( tfds.as_dataframe ):
scan/addprim_turn_left
ダウンロードサイズ:
17.82 MiB
データセットのサイズ:
4.58 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 1,208 |
'train' | 21,890 |
- 例( tfds.as_dataframe ):
スキャン/filler_num0
ダウンロードサイズ:
17.82 MiB
データセットサイズ:
3.20 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 1,173 |
'train' | 15,225 |
- 例( tfds.as_dataframe ):
スキャン/filler_num1
ダウンロードサイズ:
17.82 MiB
データセットサイズ:
3.51 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 1,173 |
'train' | 16,290 |
- 例( tfds.as_dataframe ):
スキャン/filler_num2
ダウンロードサイズ:
17.82 MiB
データセットサイズ:
3.84 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 1,173 |
'train' | 17,391 |
- 例( tfds.as_dataframe ):
スキャン/filler_num3
ダウンロードサイズ:
17.82 MiB
データセットサイズ:
4.17 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 1,173 |
'train' | 18,528 |
- 例( tfds.as_dataframe ):
スキャン/長さ
ダウンロードサイズ:
17.82 MiB
データセットのサイズ:
4.47 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 3,920 |
'train' | 16,990 |
- 例( tfds.as_dataframe ):
スキャン/template_around_right
ダウンロードサイズ:
17.82 MiB
データセットサイズ:
4.17 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 4,476 |
'train' | 15,225 |
- 例( tfds.as_dataframe ):
scan/template_jump_around_right
ダウンロードサイズ:
17.82 MiB
データセットサイズ:
4.17 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 1,173 |
'train' | 18,528 |
- 例( tfds.as_dataframe ):
スキャン/template_opposite_right
ダウンロードサイズ:
17.82 MiB
データセットサイズ:
4.22 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 4,476 |
'train' | 15,225 |
- 例( tfds.as_dataframe ):
スキャン/template_right
ダウンロードサイズ:
17.82 MiB
データセットサイズ:
4.26 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 4,476 |
'train' | 15,225 |
- 例( tfds.as_dataframe ):
スキャン/mcd1
ダウンロードサイズ:
17.89 MiB
データセットサイズ:
1.89 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 1,045 |
'train' | 8,365 |
- 例( tfds.as_dataframe ):
スキャン/mcd2
ダウンロードサイズ:
17.89 MiB
データセットサイズ:
1.84 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 1,045 |
'train' | 8,365 |
- 例( tfds.as_dataframe ):
スキャン/mcd3
ダウンロードサイズ:
17.89 MiB
データセットサイズ:
1.87 MiB
スプリット:
スプリット | 例 |
---|---|
'test' | 1,045 |
'train' | 8,365 |
- 例( tfds.as_dataframe ):