NANN 开源项目使用教程

NANN 开源项目使用教程

nannA flexible, high-performance framework for large-scale retrieval problems based on TensorFlow.项目地址:https://gitcode.com/gh_mirrors/na/nann

1. 项目的目录结构及介绍

NANN 项目的目录结构如下：

/nann
├── NANN_impls
├── blaze-benchmark
├── serving
├── tensorflow
├── .gitignore
├── CODE_OF_CONDUCT.md
├── CODE_OF_CONDUCT_zh.md
├── CONTRIBUTING.md
├── LICENSE
├── README-cn.md
├── README.md

目录结构介绍

• NANN_impls: 包含 NANN 实现的核心代码。
• blaze-benchmark: 包含性能基准测试的代码。
• serving: 包含模型部署的相关代码。
• tensorflow: 包含与 TensorFlow 集成的代码。
• .gitignore: Git 忽略文件配置。
• CODE_OF_CONDUCT.md: 行为准则英文版。
• CODE_OF_CONDUCT_zh.md: 行为准则中文版。
• CONTRIBUTING.md: 贡献指南。
• LICENSE: 项目许可证。
• README-cn.md: 项目介绍中文版。
• README.md: 项目介绍英文版。

2. 项目的启动文件介绍

NANN 项目的启动文件主要位于 serving 目录下，具体文件为：

/serving
├── pb_to_saved_model.py

启动文件介绍

• pb_to_saved_model.py: 用于将模型导出为 SavedModel 格式的脚本。

使用方法：

python nann/delivery/pb_to_saved_model.py --model-path $[output_root]/export/exec.pb --meta-path $[output_root]/export/exec.meta.pb --export-dir $[output_root]/export/nann/1

3. 项目的配置文件介绍

NANN 项目的配置文件主要位于 blaze-benchmark 目录下，具体文件为：

/blaze-benchmark
├── build
│   └── benchmark
│       └── benchmark_conf

配置文件介绍

• benchmark_conf: 包含性能基准测试的配置文件。

配置文件内容示例：

TF_XLA_PTX_CACHE_DIR= /xla_cache `dirname $nann_impl_dir`/blaze-benchmark/build/benchmark/benchmark

以上是 NANN 开源项目的基本使用教程，涵盖了项目的目录结构、启动文件和配置文件的介绍。希望对您有所帮助。

nannA flexible, high-performance framework for large-scale retrieval problems based on TensorFlow.项目地址:https://gitcode.com/gh_mirrors/na/nann