tamizar1m

• Descripción :

Incrustaciones previamente entrenadas para una búsqueda aproximada del vecino más cercano utilizando la distancia euclidiana. Este conjunto de datos consta de dos divisiones:

1. 'base de datos': consta de 1.000.000 de puntos de datos, cada uno tiene características: 'incrustación' (128 flotantes), 'índice' (int64), 'vecinos' (lista vacía).
2. 'prueba': consta de 10,000 puntos de datos, cada uno tiene características: 'incrustación' (128 flotantes), 'índice' (int64), 'vecinos' (lista de 'índice' y 'distancia' de los vecinos más cercanos en la base de datos. )

• Página de inicio : http://corpus-texmex.irisa.fr/

• Código fuente : tfds.datasets.sift1m.Builder

• Versiones :

  • 1.0.0 (predeterminado): versión inicial.

• Tamaño de descarga : 500.80 MiB

• Tamaño del conjunto de datos : 589.49 MiB

• Almacenamiento en caché automático ( documentación ): No

• Divisiones :

• Estructura de características :

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.),
    }),
})

• Documentación de funciones :

• Claves supervisadas (ver documento as_supervised ): None

• Figura ( tfds.show_examples ): No compatible.

• Ejemplos ( tfds.as_dataframe ):

• Cita :

@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}
}