F
faiss
Wyszukiwanie wektorowe na miliardach danych — biblioteka Facebooka do ultraszybkich podobieństw
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
Szybkie info
- Autor
- davila7
- Kategoria
- Bezpieczeństwo
- Gwiazdki GitHub
- 32,576
- Wyświetlenia
- 8
O skillu
FAISS to biblioteka Facebooka do efektywnego wyszukiwania podobieństwa i klastrowania wektorów. Obsługuje miliardy wektorów, przyspieszenie GPU i różne typy indeksów (Flat, IVF, HNSW). Użyj jej do szybkiego wyszukiwania k-NN, dużych zbiorów danych wektorowych lub gdy potrzebujesz czystego wyszukiwania podobieństwa bez filtrowania metadanych. Idealna dla aplikacji wymagających wysokiej wydajności i niskich opóźnień.
Jak używać
- Zainstaluj FAISS — wybierz wersję CPU (
pip install faiss-cpu) lub GPU (pip install faiss-gpu) w zależności od dostępnych zasobów. 2. Przygotuj dane wektorowe jako tablicę NumPy typu float32 — każdy wiersz to jeden wektor, liczba kolumn to wymiar wektora (np. 128). 3. Utwórz indeks wybierając typ — IndexFlatL2 dla dokładnego wyszukiwania euklidesowego, lub bardziej zaawansowane indeksy (IVF, HNSW) dla dużych zbiorów danych. 4. Dodaj wektory do indeksu metodąadd()— FAISS automatycznie je zaindeksuje. 5. Wykonaj wyszukiwanie — przygotuj wektor zapytania w tym samym wymiarze, wywołajindex.search(query, k)gdzie k to liczba najbliższych sąsiadów, którą chcesz znaleźć. 6. Otrzymasz dwie tablice: indeksy znalezionych wektorów i ich odległości — użyj ich do pobrania oryginalnych danych lub dalszego przetwarzania.
Podobne skille
Q
qmd
autor: tobi
Bezpieczeństwo
30,3411951
A
accessibility-compliance
autor: wshobson
Bezpieczeństwo
40,4492173
M
manim
autor: davila7
Bezpieczeństwo
32,5761588
A
academic-researcher
autor: Shubhamsaboo
Bezpieczeństwo
141,3461260
T
typescript-review
autor: metabase
Bezpieczeństwo
49,62617133
C
content-creator
autor: alirezarezvani
Bezpieczeństwo
28,04225124