深度学习与机器学习 对比相似向量

深度学习和机器学习经常涉及到对比向量相似度的问题，特别的查询新向量与库中哪个向量最近，对于少数量的而言，可以遍历 依次对比，数量太多，速度就成一个问题。一般有基于树的方法、哈希方法、矢量量化方法。

基于哈希的方法，对于小数据集和中型规模的数据集(几个million-几十个million)，开源框架 FALCONN和 NMSLIB 是一个非常不错的选择，如果对于大型规模数据集(几百个million以上)，基于矢量量化的 Faiss 是一个明智的选择

适合我这里主要使用 FALCONN，因为使用确实方便简单 ，其GitHub上对此算法有详细的介绍，这里先不涉及。

做一个简单测试，代码如下：

# -*- coding:utf-8 -*-
import falconn
import numpy as np

# 维度
params_hp = falconn.get_default_parameters(2, 2)
print params_hp

# params_hp = falconn.LSHConstructionParameters()
# params_hp.dimension = 512
# seed = 1
# params_hp.lsh_family = 'hyperplane'
# params_hp.distance_function = 'negative_inner_product'
# params_