Faiss入门及应用经验记录

说起相似度检索TopK的问题，相信很多算法er在实际工程中会经常遇到，对此我们一般的解决方案是暴力检索，循环遍历所有向量计算相似度然后得出TopK。但当向量数量级达到百万千万甚至上亿级别，这时候你再用暴力检索就会显得很呆 ... ...

Faiss的出现就很好地解决了这个问题，笔者总结了在工程中使用Faiss的一些经验，记录下给需要的童鞋（语言为Python，因为本菜鸡不会C++）。动动小手给点个赞呗。

---

1. 什么是Faiss？

Faiss的全称是Facebook AI Similarity Search，是FaceBook的AI团队针对大规模相似度检索问题开发的一个工具，使用C++编写，有python接口，对10亿量级的索引可以做到毫秒级检索的性能。

简单来说，Faiss的工作，就是把我们自己的候选向量集封装成一个index数据库，它可以加速我们检索相似向量TopK的过程，其中有些索引还支持GPU构建，可谓是强上加强。