peneirar 1m

• Descrição :

Incorporações pré-treinadas para pesquisa aproximada do vizinho mais próximo usando a distância euclidiana. Este conjunto de dados consiste em duas divisões:

1. 'banco de dados': consiste em 1.000.000 de pontos de dados, cada um com recursos: 'incorporação' (128 pontos flutuantes), 'índice' (int64), 'vizinhos' (lista vazia).
2. 'teste': consiste em 10.000 pontos de dados, cada um possui recursos: 'incorporação' (128 flutuantes), 'índice' (int64), 'vizinhos' (lista de 'índice' e 'distância' dos vizinhos mais próximos no banco de dados. )

• Página inicial : http://corpus-texmex.irisa.fr/

• Código fonte : tfds.datasets.sift1m.Builder

• Versões :

  • 1.0.0 (padrão): versão inicial.

• Tamanho do download : 500.80 MiB

• Tamanho do conjunto de dados : 589.49 MiB

• Armazenado em cache automaticamente ( documentação ): Não

• Divisões :

• Estrutura de recursos :

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.),
    }),
})

• Documentação de recursos :

• Chaves supervisionadas (consulte o documento as_supervised ): None

• Figura ( tfds.show_examples ): Não suportado.

• Exemplos ( tfds.as_dataframe ):

• Citação :

@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}
}