Faiss接触的这段时间

6,481次阅读

没有评论

共计 1535 个字符，预计需要花费 4 分钟才能阅读完成。

关于faiss的使用也是在使用embedding相似度召回的时候接触到，的确是一个高效的计算相似度的方案，由FB推出，业界使用的也是比较多。

对于faiss的使用我日常使用就是调接口，因为特征平台组都帮我封装好了，更新索引/实时添加索引/查询/监控等都做的比较完善了，去年也去听过一场PPT汇报，大概还是有点印象。

如今有个小业务要交界处去，也牵扯到这个faiss，自己也来了解一下

简单点应该就分为两个部分吧

构建索引
查询

这里也是有两种方式

全量更新重建索引
实时增量构建索引

N*D矩阵数据

N表示数据条数，D表示每条数据的维度

数据类型是float32

import numpy as np
d = 64                           # dimension
nb = 100000                      # database size
nq = 10000                       # nb of queries
np.random.seed(1234)             # make reproducible
xb = np.random.random((nb, d)).astype('float32')
xb[:, 0] += np.arange(nb) / 1000.
xq = np.random.random((nq, d)).astype('float32')
xq[:, 0] += np.arange(nq) / 1000.
#至此随机构建数据完成
#-------------------------------------------------
#开始准备构建索引
import faiss                   # make faiss available
index = faiss.IndexFlatL2(d)   # build the index
print(index.is_trained)
index.add(xb)                  # add vectors to the index
print(index.ntotal)

Faiss围绕Index对象构建。索引的类型很多，我们将使用对它们执行暴力L2距离搜索的最简单版本：IndexFlatL2。

在我们的例子中，所有索引都需要知道何时建立索引，即它们操作的向量的维数。然后，大多数索引还需要训练阶段，以分析向量的分布。对于IndexFlatL2，我们可以跳过此操作。

要将元素添加到索引，我们在xb上调用add。我们还可以显示索引的两个状态变量：is_trained，一个布尔值，指示是否需要训练，以及ntotal，即索引向量的数量。

在上面的例子中我们成功的构建了索引

可以对索引执行的基本搜索操作是k近邻搜索，即k。对于每个查询向量，在索引中找到它的k个最近邻居。

此操作的结果可以方便地存储在大小为nq-k的整数矩阵中，其中第i行包含查询向量i邻居的 ID（按距离递增排序）。除了此矩阵之外，搜索操作还返回具有相应平方距离的nq-k浮点矩阵。

k = 4                          # 指定需要查询最近邻的个数
D, I = index.search(xb[:5], k) # sanity check
print(I)
print(D)
D, I = index.search(xq, k)     # actual search
print(I[:5])                   # neighbors of the 5 first queries
print(I[-5:])                  # neighbors of the 5 last queries

到这里基本上简单的faiss服务就完成了，但是faiss还有很多需要关注的地方