小白安装faiss库指南（CPU版）

最新推荐文章于 2025-07-03 14:47:39 发布
最新推荐文章于 2025-07-03 14:47:39 发布
阅读量4.9k 收藏 10
点赞数 7
CC 4.0 BY-SA版权
文章标签： python ubuntu linux anaconda pycharm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_42318647/article/details/110391899

小白安装faiss库指南（CPU版）

一、原由

本人在参加Datawhale组织的11月组队学习《推荐系统入门实践：新闻推荐预测》时，在多路召回任务时，需要导入一个叫faiss库，于是百度查询了各种方法，把pip和conda更新了个遍，还是导入成功，直到在群里问的时候才发现，faiss库压根就不支持windows平台，需要在linux下才能导入成功，于是本人抱着顺便学习linux的心态（因为之前看到公司招人要求有写要会linux，而且加上群里大佬说linux是深度学习首选），在从零开始的情况下，先下载好了虚拟机，然后下载了ubuntu（linux系统的一种），再在ubuntu中安装pycharm，anaconda。最后成功将faiss安装成功，在其中遇到了不少问题，希望通过这边文章给大家指引方向，顺便排雷。

二、faiss介绍

Faiss是Facebook AI团队开源的针对聚类和相似性搜索库，为稠密向量提供高效相似度搜索和聚类，支持十亿级别向量的搜索，是目前最为成熟的近似近邻搜索库。它包含多种搜索任意大小向量集（备注：向量集大小由RAM内存决定）的算法，以及用于算法评估和参数调整的支持代码。Faiss用C++编写，并提供与Numpy完美衔接的Python接口。除此以外，对一些核心算法提供了GPU实现。

通过Faiss文档介绍可以了解faiss的主要功能就是相似度搜索。如下图所示，以图片搜索为例，所谓相似度搜索，便是在给定的一堆图片中，寻找出我指定的目标最像的K张图片，也简称为KNN（K近邻）问题。

img

在推荐系统中，faiss库可以用于搜索用户和物品的相似度。

三、虚拟机安装

首先如果要安装liunx系统的话，最方便的方法应该就是安装虚拟机，虚拟机就是在你自身的windows基础上安装另一层操作系统，但是不好的地方就是会占用你自身windows的内存，而且虚拟机一般只拥有本机的一点内存，所以如果用虚拟机操作的话可能会很慢，很卡。还要另一种方法就是安装一个和windows并行的系统，这样每次开机前就会让你选择是windows或者是linux。我这次用的就是虚拟机安装linux，分配了2G的内存，非常卡，所以正在考虑采用第二种方法。

说到虚拟机安装，不得不想到的就是大名顶顶的虚拟机软件VMware workstations 。

VMware WorkstationLOGO

就是这个，就算是没用过虚拟机，在学校的机房也不会陌生这个图标，VMware是一个收费的软件，但是网上的破解方法很多，随便找一个激活码就可以，但是本人在搜索时发现VMware有一个免费的版本供用户使用，其实也就是相当于 workstations 的阉割版，但是我发现功能其实也够我使用了，所以就下载了VMware workstati

最低0.47元/天 解锁文章

200万优质内容无限畅学
Prompt提示工程上手指南:基础原理及实践(四)-检索增强生成(RAG)策略下的Prompt
master_hunter的博客
03-25 4291
想象一下，当你在写一篇文章或解决一个问题时，如果遇到了难题，你会怎么做？可能会去搜索引擎查找信息，然后基于找到的信息来构建你的答案。这个过程，其实很像是RAG框架在做的事情。化繁为简，我们先来了解RAG到底是什么。先从字母意思开始理解，RAG——Retrieval Augmented Generation，正如其名，是一种将检索（Retrieval）和生成（Generation）结合起来的技术。它首先从一个巨大的知识库中检索出与提出的问题最相关的信息，然后基于这些信息来生成回答。
深度学习系列资料总结
热门推荐
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
07-17 2万+
说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络结构对未知数据进行分类或回归深度学习分类有监督学习方法——深度前馈网络、卷积神经网络、循环神经网络等；无监督学习方法——深度信念网、深度玻尔兹曼机，深度自编码器等。手写机器学习笔记github机器学习算法公式推导以及numpy实现github人工智能相关术语link。..................
Faiss: 使用conda安装faiss-cpu库
Bob Liu的程序人生
10-12 1万+
Faiss是用于相似性搜索和密集聚类向量的库，安装了Anaconda版本的Python，可以使用conda命令来安装faiss-cpu版本库： conda install -c pytorch faiss-cpu 有些朋友留言问faiss-cpu支持的操作系统版本，从目前anaconda官网给出的信息，目前仅支持MAC和Linux的版本，并不支持Windows系统。相关信息可以参考官网的给...
faiss(1)：简介 安装 与 原理
沈春旭的博客
11-03 3675
1. 简介 Faiss是Facebook AI团队开源的针对聚类和相似性搜索库，为稠密向量提供高效相似度搜索和聚类，支持十亿级别向量的搜索，是目前最为成熟的近似近邻搜索库。它包含多种搜索任意大小向量集（备注：向量集大小由RAM内存决定）的算法，以及用于算法评估和参数调整的支持代码。Faiss用C++编写，并提供与Numpy完美衔接的Python接口。除此以外，对一些核心算法提供了GPU实现。 ...
【FAISS安装】FAISS向量数据库安装避坑
最新发布
RichardsZ_的博客
07-03 321
FAISS向量数据库在1.7.2之后就不能用pip install安装了，需要使用官方推荐方法来安装。
faiss安装 （CPU版本）
优快云_WHB的博客
09-20 1150
faiss版本 faiss-v1.7.4。
faiss-cpu安装及基础使用
小乖的崽崽的地盘
09-02 3977
conda环境下faiss-cpu安装及基础使用
faiss快速入门
dake1994的博客
11-20 6245
Tutorial 快速入门 数据准备 faiss可以处理固定维度d的向量集合，这样的集合这里用二维数组表示。 一般来说，我们需要两个数组： 1.data。包含被索引的所有向量元素； 2.query。索引向量，我们需要根据索引向量的值返回xb中的最近邻元素。 为了对比不同索引方式的差别，在下面的例子中我们统一使用完全相同的数据，即维数d为512，data包含2000个向量，每个向量符合正态分布。...
Windows系统下安装faiss-cpu
u014048569的博客
05-30 3720
faiss-cpu在Windows系统下的conda安装
大模型+个人知识库搭建
Blueeyedboy521的博客
02-13 930
最近很多朋友都在问：怎么本地部署 DeepSeek 搭建个人知识库。 如何借助 个人知识库文件 作为外脑，用方法论指导我们正确做事？ DeepSeek 确实很好用，但关键还是会不会提问。如果不会提问，AI 再强也帮不上忙。 除了花时间学习提示词，更快的方式是本地备一份提问指南，让 AI 指导你该怎么正确提问，这样才能真正发挥它的价值！
AI原生应用领域语义索引的未来发展方向
AI天才研究院
06-16 298
想象一下：你在使用智能助手问“推荐一本教狗狗学坐下的书”，传统搜索引擎可能只能找到标题含“狗狗+坐下”的书，但语义索引能关联到《宠物行为训练指南》《犬类服从性训练》等内容相关但关键词不同的书。这种“理解含义”的能力，正是AI原生应用（如智能客服、个性化推荐、多轮对话）的核心需求。我们将从“生活案例→核心概念→技术原理→实战代码→未来趋势”逐步展开，最后通过思考题引导读者结合实际场景思考。语义编码模型：将文本转化为向量，核心是“理解语义”（如Sentence-BERT、CLIP（多模态））；索引结构。
faiss库安装及问题解决！
qq_43570821的博客
03-19 6310
记录faiss库的安装过程。
CentOS7 -- Faiss cpu 版本安装
_提拉米苏的博客
12-06 3785
CentOS7 – Faiss cpu 版本安装 系统：CentOS7（64 位），Python 2.7.13 |Anaconda 4.4.0 (64-bit) 由于工作需要，临时了解到一个Faiss，据说是一款较好的找相似图的工具，这里主要记录下我安装cpu版本的一个过程。 安装Anaconda Anaconda是 Python 的科学计算工具包。根据对 Python2 和 Py
Faiss入门
illcx的博客
04-26 1131
Faiss 全称为 Facebook AI Similarity Search，是 Facebook AI Research 开源的高维向量索引和聚类库。Faiss 采用 C++ 编写，支持多种距离度量方式，并且具有高速度、高可扩展性和高准确度等特点。Faiss 的主要应用包括图像搜索、文本搜索、语音搜索等。本文介绍了 Faiss 的基本概念和使用方法，希望能够帮助读者快速入门 Faiss 并实现高维向量索引和聚类应用。
Faiss 基础教程
No trade is free, but my contents are.
02-27 1528
创建索引：使用不同的索引类型（等）来创建 Faiss 索引。插入数据：使用.add()方法将向量插入到索引中。执行搜索：使用.search()方法进行最近邻搜索。GPU 加速：如果需要更高的性能，可以使用 Faiss 的 GPU 版本来加速搜索。如果你需要更多关于特定索引类型或高级功能的帮助，随时告诉我！
faiss安装
计算机视觉算法、工程、产品
02-19 686
~$ pip --default-time=1000 install -i https://pypi.tuna.tsinghua.edu.cn/simple faiss-gpu Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple Collecting faiss-gpu Downloading https://pypi.tuna.tsinghua.edu.cn/packages/******/faiss_gpu-1.7.0-cp38-.
faiss-1: 安装
uncle_ll的博客
01-14 3805
faiss安装 git项目的安装教程： https://github.com/facebookresearch/faiss/blob/main/INSTALL.md 使用Anaconda安装 使用Anaconda安装使用faiss是最方便快速的方式，facebook会及时推出faiss的新版本conda安装包，在conda安装时会自行安装所需的libgcc, mkl, numpy模块。 faiss的cpu版本目前仅支持Linux和MacOS以及Windows操作系统，gpu版本提供可在Linux操作系统
安装 faiss
luoganttcc的博客
09-27 231
# CPU 版本 # CPU version only conda install faiss-cpu -c pytorch # GPU 版本 # Make sure you have CUDA installed before installing faiss-gpu, # otherwise it falls back to CPU version conda install faiss-gpu -c pytorch # [DEFAULT]For CUDA8.0, comes with cudat
我是一个不懂编程的小白，请给我一份在ubuntu系统上不用docker容器，就能部署ragflow的详细部署教程。
03-29
<think>好的，用户想在Ubuntu系统上部署RAGFlow，但不用Docker，而且是个编程小白。首先，我需要了解RAGFlow是什么。RAGFlow应该是一个基于RAG（检索增强生成）的应用程序，可能涉及自然语言处理和机器学习模型。 接下来，用户要求不用Docker，所以需要直接安装依赖。可能需要Python环境、相关的库，以及可能的其他工具如数据库或搜索引擎。用户是小白，所以步骤要详细，避免使用复杂术语。 先列出系统要求，Ubuntu版本，Python版本，内存和存储需求。然后分步骤：安装系统依赖，比如Python、Git、开发工具。然后设置Python虚拟环境，安装PyTorch和其他库，可能需要从源码安装RAGFlow，处理配置文件，设置数据库比如MySQL，处理前端依赖如Node.js，最后启动服务。 需要注意权限问题，比如创建目录和配置文件时的sudo使用。还要处理可能的依赖冲突，特别是Python包版本。另外，用户可能不熟悉命令行操作，所以每个命令都要明确，给出示例路径和配置。 可能遇到的问题包括环境变量设置、端口冲突、依赖安装失败，这些需要在注意事项里说明。还要指导如何测试服务是否正常运行，访问前端页面。 最后，确保整个流程逻辑清晰，步骤详细，用户能一步步跟随，避免遗漏关键步骤，比如数据库初始化或前端构建。同时提醒用户安全相关的事项，比如修改默认密码，开放端口的安全性。</think>以下是为您准备的Ubuntu系统手动部署RAGFlow详细教程（非Docker版）： --- ### 一、系统准备 *最低要求*： - Ubuntu 20.04/22.04 LTS - Python 3.9+ - 内存 ≥8GB - 硬盘 ≥20GB --- ### 二、分步部署指南 #### 1. 安装系统依赖 ```bash sudo apt update sudo apt install -y python3-pip git build-essential libssl-dev libffi-dev python3-dev nginx ``` #### 2. 创建虚拟环境 ```bash mkdir ~/ragflow && cd ~/ragflow python3 -m venv venv source venv/bin/activate ``` #### 3. 安装PyTorch基础 ```bash pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu ``` #### 4. 安装RAGFlow核心依赖 ```bash pip3 install langchain==0.0.340 sentence-transformers==2.2.2 faiss-cpu==1.7.4 flask==2.3.2 ``` #### 5. 部署向量数据库 ```bash sudo apt install -y postgresql postgresql-contrib sudo -u postgres psql -c "CREATE DATABASE ragflow;" sudo -u postgres psql -c "CREATE USER raguser WITH PASSWORD 'ragflow@2023';" sudo -u postgres psql -c "GRANT ALL PRIVILEGES ON DATABASE ragflow TO raguser;" ``` #### 6. 配置应用 ```bash git clone https://github.com/infiniflow/ragflow.git cd ragflow/backend cp config_example.py config.py ``` 编辑`config.py`： ```python DATABASE_URI = "postgresql://raguser:ragflow@2023@localhost:5432/ragflow" EMBEDDING_MODEL = "all-MiniLM-L6-v2" ``` #### 7. 初始化数据库 ```bash flask db init flask db migrate flask db upgrade ``` #### 8. 启动后端服务 ```bash gunicorn -w 4 -b 0.0.0.0:8000 app:app ``` #### 9. 部署前端（新终端） ```bash sudo apt install nodejs npm cd ~/ragflow/frontend npm install npm run build ``` #### 10. 配置Nginx ```bash sudo nano /etc/nginx/sites-available/ragflow ``` 配置文件内容： ```nginx server { listen 80; server_name your_domain.com; location / { root /home/ubuntu/ragflow/frontend/dist; try_files $uri $uri/ /index.html; } location /api { proxy_pass http://localhost:8000; proxy_set_header Host $host; } } ``` 启用配置： ```bash sudo ln -s /etc/nginx/sites-available/ragflow /etc/nginx/sites-enabled/ sudo systemctl restart nginx ``` --- ### 三、验证安装 1. 访问 `http://服务器IP` 2. 检查API状态： ```bash curl http://localhost:8000/api/health ``` --- ### 四、注意事项 1. 首次使用需在网页端初始化管理员账户 2. 默认数据存储路径：`~/ragflow/data` 3. 如需HTTPS，可使用Let's Encrypt申请SSL证书 4. 生产环境建议配置systemd服务 --- ### 五、常见问题解决 1. **端口冲突**：修改`config.py`中的端口配置 2. **依赖安装失败**：尝试指定版本号 `pip install package==version` 3. **数据库连接问题**：检查PostgreSQL的`pg_hba.conf`权限配置 4. **内存不足**：添加交换空间： ```bash sudo fallocate -l 4G /swapfile sudo chmod 600 /swapfile sudo mkswap /swapfile sudo swapon /swapfile ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值