głębokie1b

  • Opis :

Wstępnie przeszkolone osadzania do przybliżonego wyszukiwania najbliższego sąsiada przy użyciu odległości cosinus. Ten zbiór danych składa się z dwóch podziałów:

  1. „baza danych”: składa się z 9 990 000 punktów danych, każdy ma funkcje: „osadzanie” (96 zmiennych), „indeks” (int64), „sąsiedzi” (pusta lista).
  2. „test”: składa się z 10 000 punktów danych, każdy ma funkcje: „osadzanie” (96 floatów), „indeks” (int64), „sąsiedzi” (lista „indeksu” i „odległości” najbliższych sąsiadów w bazie danych. )
Podział Przykłady
'database' 9 990 000
'test' 10 000
  • Struktura funkcji :
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.),
    }),
})
  • Dokumentacja funkcji :
Funkcja Klasa Kształt Typ D Opis
FunkcjeDykt
osadzanie Napinacz (96,) pływak32
indeks Skalarny int64 Indeks w ramach podziału.
sąsiedzi Sekwencja Obliczeni sąsiedzi, którzy są dostępni tylko w przypadku podziału testowego.
sąsiedzi/odległość Skalarny pływak32 Odległość sąsiada.
sąsiedzi/indeks Skalarny int64 Indeks sąsiada.
  • Cytat :
@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}
}