Faiss是Facebook的AI团队开源的一套用于做聚类或者相似性搜索的软件库,底层是用C++实现。
Faiss几乎可以在10ms内完成百万*百万以上的向量距离计算,它是怎么实现的呢?
原理
向量计算是一个最经典的时空优化问题,在查询过程中建立更多地索引固然可以提升查询速度,但是却有占据了存储空间,我们希望系统可以即减少索引又能提升查询性能。
为了得到时间和空间的最优,Faiss使用了PCA和PQ两个手段进行向量压缩和编码,当然还有其它的一些优化手段,但是PCA和PQ是最为核心的。
PCA降维
PCA(Principal Component Analysis),PAC的作用主要是降低数据集的维度,然后挑选出主要的特征。
PCA的主要思想是移动坐标轴,找到方差最大的方向上的特征值,什么叫方差最大的方向的特征值呢。就像下图中的曲线B,一样,它的覆盖范围最广。
基本步骤:
(1)首先计算数据集的协方差矩阵
(2)计算协方差矩阵的特征值和特征向量
(3)保留最重要的n个特征
PQ编码
Product quantization(乘积量化PQ)&#x