Faiss-Server 开源项目教程

最新推荐文章于 2024-08-23 08:57:23 发布

石菱格Maureen

最新推荐文章于 2024-08-23 08:57:23 发布

阅读量366

点赞数 4

本文链接：https://blog.csdn.net/gitblog_01063/article/details/141447652

版权

Faiss-Server 开源项目教程

faiss-serverfaiss serving :)项目地址:https://gitcode.com/gh_mirrors/fa/faiss-server

项目介绍

Faiss-Server 是一个基于 Facebook AI Similarity Search (FAISS) 库的高性能相似性搜索服务。FAISS 是一个用于高效相似性搜索和密集向量聚类的库，特别适用于处理大规模数据集。Faiss-Server 通过提供一个易于使用的 HTTP 接口，使得 FAISS 的功能可以轻松地集成到各种应用程序中。

项目快速启动

环境准备

在开始之前，请确保您的系统已经安装了以下依赖：

Docker
Docker Compose

快速启动步骤

克隆项目仓库

git clone https://github.com/ynqa/faiss-server.git
cd faiss-server

构建和运行 Docker 容器
```
docker-compose up --build
```
验证服务是否运行

打开浏览器或使用 curl 命令访问以下 URL：
```
curl http://localhost:5000/
```
如果看到 "Hello, Faiss Server!" 的响应，说明服务已经成功运行。

示例代码

以下是一个简单的示例，展示如何使用 Faiss-Server 进行向量搜索：

import requests
import json

# 添加向量
vector_data = {
    "vectors": [
        {"id": "1", "values": [0.1, 0.2, 0.3, 0.4]},
        {"id": "2", "values": [0.5, 0.6, 0.7, 0.8]}
    ]
}
response = requests.post("http://localhost:5000/vectors", json=vector_data)
print(response.json())

# 搜索向量
search_data = {
    "values": [0.1, 0.2, 0.3, 0.4]
}
response = requests.post("http://localhost:5000/search", json=search_data)
print(response.json())