《向量数据库指南》——快速了解 Embedding和处理非结构化数据教程

目录

快速了解 Embedding

处理非结构化数据

总结

---

快速了解 Embedding

让我们回到正题。绝大多数的神经网络模型都能够将单一的非结构化数据转化为浮点值，也就是通常所说的 Embedding 或 Embedding 向量。事实证明，一个经过训练的神经网络可以输出代表图像语义内容的 Embedding。之后的教程中（什么是向量数据库？），我们将介绍如何使用预先确定的算法来生成 Embedding。

上图提供了一个将非结构化数据转化为向量的例子。通过 ResNet-50 卷积神经网络，这张照片可以被表示为一个长度 2048 的向量，前三个和后三个元素分别是 [0.1392, 0.3572, 0.1988, ..., 0.2888, 0.6611, 0.2909]。由经过训练的神经网络生成的 Embedding 向量具有数学特性，使它们更易于搜索和分析。我们在此不做过多描述。但要知道，一般来说