一、Faster search
太慢了,如何再快一点呢?
为了加快搜索速度,可以将数据集分割为多块。Faiss在d维空间中定义了维诺空间,每个数据库向量都落在其中的一个空间。 在搜索时,只查询向量x所在的空间数据库向量或者和几个相邻的数据库向量。
这是通过 IndexIVFFlat 索引完成的。这种类型的索引需要训练,可以在与数据库向量具有相同分布的向量集上训练。 实际上,我们只使用数据库向量本身训练就够了。
IndexIVFFlat 的过程其实分成两步。其中一步是将向量分配切分成维诺空间,每个空间都由一个中心定义,找到向量所属的维诺空间,这一般是由量化器完成,而另一步是在维诺空间找到向量的最近邻,这是另一个索引的任务,它通常是IndexFlatL2。
两个参数:nlist,单元格数;nprobe,执行搜索时访问的维诺空间数。搜索时间大致随nprobe线性增加。
python
nlist = 100
k = 4
quantizer = faiss.IndexFlatL2(d) # the other index
index = faiss.IndexIVFFlat(quantizer, d, nlist)
assert not index.is_trained
index.train(xb)
assert index.is_trained
index.add(xb) # add may be a bit slower as well
D, I = index.search(xq, k) # actual search
print(I[-5:]