标签：faiss

2026-02-01andy阅读(66)评论(0)

在处理大规模向量搜索时，我们通常需要在搜索速度（延迟）和搜索准确性（召回率）之间做出权衡。Faiss 的 IVF（Inverted File Index）系列索引是实现高性能搜索的关键工具，而 nprobe 参数则是控制这种权衡的核心。 本...

2026-01-31andy阅读(48)评论(0)

概述：为什么需要分布式 Faiss 检索 随着深度学习模型产生的向量维度和数量爆炸式增长（例如，十亿级以上的向量），单台服务器的内存和计算能力（即使配备了多张高性能 GPU）也难以完全容纳和处理。Faiss 提供了强大的机制来应对这种超大规...

2026-01-30andy阅读(50)评论(0)

引言：为什么需要 Faiss GPU？ 在处理海量向量数据（例如，数百万或数十亿个128维或更高维度的向量）时，传统的CPU计算受限于核心数量和内存带宽，查询延迟往往难以接受。Faiss通过其高度优化的GPU模块，能够充分利用NVIDIA ...

2026-01-29andy阅读(63)评论(0)

向量搜索技术依赖高效的近似最近邻（ANN）算法来处理大规模数据集。其中，乘积量化（Product Quantization, PQ）因其卓越的压缩比和搜索速度而广受欢迎。然而，PQ是通过将高维向量拆分为多个子向量并独立量化来工作的，这一过程...

2026-01-27andy阅读(38)评论(0)

Faiss (Facebook AI Similarity Search) 是高性能向量搜索的首选库之一。IVFPQ (Inverted File Index with Product Quantization) 是Faiss中最常用和最强...

2026-01-24andy阅读(61)评论(0)

Faiss (Facebook AI Similarity Search) 是目前业界公认最强大的向量搜索库之一。在 Faiss 中，最基础也是最精确的索引类型是暴力检索索引（Flat Indexes），其中最常用的是 IndexFlatL...

2026-01-24andy阅读(57)评论(0)

Faiss (Facebook AI Similarity Search) 是处理大规模向量搜索的利器。然而，面对数十亿级的向量数据，选择合适的索引架构至关重要。错误的索引选择可能导致内存溢出或查询速度极慢。本篇文章将聚焦于如何根据资源限制...

2025-12-23andy阅读(98)评论(0)

在构建大规模向量检索系统时，实时数据流入是一个常见挑战。Faiss（Facebook AI Similarity Search）以其高性能著称，但其核心索引结构（如IndexIVF、IndexHNSW）通常是为静态数据集设计的。对一个数十亿...

2021-04-28andy阅读(2795)评论(0)

相似搜索问题的背景 相似搜索在业务里的场景：图片相似搜索，衍生的业务：拍照购物，截图搜电影、盗版图查找；文本相似搜索：智能搜索引擎，推荐系统，问答机器人，机翻；声音相似搜搜：听歌识曲等 相似搜索要解决的关键问题 相似搜索无非就是为了 ...

2020-01-15andy阅读(5550)评论(0)

CentOS7安装GPU版本的faiss详细过程 1. 拉取源码 faiss最新版本应该是1.6.1，我们git clone的时候指定这个tag git clone -b v1.6.1 https://github.com/facebook...