faiss

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.

1. 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 metodą add() — FAISS automatycznie je zaindeksuje. 5. Wykonaj wyszukiwanie — przygotuj wektor zapytania w tym samym wymiarze, wywołaj index.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.