faiss的使用

1.faiss.IndexFlatL2

IndexFlatL2索引方式
为向量集构建IndexFlatL2索引，它是最简单的索引类型，只执行强力L2距离搜索
index = faiss.IndexFlatL2(d) # build the index

import mkl
import math
import time
import faiss
import numpy as np

d = 768  # 向量维数

data = [[i] * d for i in range(2000)]
data = np.array(data).astype('float32')  # 注意，只能插入float32类型的向量
ids = np.arange(0, 2000)
data_length = len(ids)  # 自定义向量的Id

nlist = int(4 * math.sqrt(data_length))  # 聚类中心的个数
time1 = time.time()

quantizer = faiss.IndexFlatL2(d)  # 内部的索引方式依然不变
print("quantizer:",quantizer)
# 打印结果：quantizer <faiss.swigfaiss_avx2.IndexFlatL2; proxy of <Swig Object of type 'faiss::IndexFlatL2 *' at 0x7f77660abb10> >

index = faiss.IndexIVFFlat(quantizer, d, nlist, faiss.METRIC_L2)  # 倒排索引
index.train(data)  # 注意，倒排索引一定要进行train
index.add_with_ids(data, ids)
print(index.is_trained)
time2 = time.time()
print(f'构建索引插入数据的时间为{time2 - time1}')

query_vector = np.array([[1] * 768]).astype('float32')
dis, ind = index.search(query_vector, 1)  # 1代表返回的结果数
print(f'全1向量的最近的向量id为{ind}')
print(dis)

打印结果：
quantizer <faiss.swigfaiss_avx2.IndexFlatL2; proxy of <Swig Object of type ‘faiss::IndexFlatL2 *’ at 0x7f77660abb10> >
WARNING clustering 2000 points to 178 centroids: please provide at least 6942 training points
True
构建索引插入数据的时间为0.11389470100402832
全1向量的最近的向量id为[[1]]
[[0.]]
(torch)