Python 包分享-scann

墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 2.4k累计阅读 2.4k平均单平台已同步平台优快云微信公众号微博知乎掘金百家号博客园抖音小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网我也要 → 码龄15年

关注

原创 2022-03-15 17:55:59 2.4k 阅读 AI 写同款· GEO 优化 ›

[深入了解ScaNN：高效近邻搜索的秘密武器] ScaNN通过搜索空间剪枝和量化来优化最大内积搜索，支持欧氏距离等其他距离函数。其实现针对支持AVX2的x86处理器进行优化。开发者可以通过 ScaNN 的GitHub了解更多详细信息。ScaNN提供了一种高效的向量相似性搜索方法，适用于大规模数据集的处理。Vector Store指南。阅读详情

相似最近邻查询算法的封装。可以用来计算高维大数据时的向量计算问题

论文目录：Scalable Nearest Neighbor Algorithms for High Dimensional Data | IEEE Journals & Magazine | IEEE Xplore

此包只有linux 版本，暂无window版本

收录于

python3

当前文章被收录于：

python3

23 篇文章 1 人学习

订阅专栏查看详情

搜索

当前文章被收录于：

搜索

9 篇文章 0 人学习

订阅专栏查看详情

当前文章被以下社区和专栏收录：

标签

#python

使用ScaNN实现高效的相似度搜索：从入门到实战 ScaNN是一款功能强大的相似度搜索工具，结合其他AI工具可以实现功能强大的应用。你可以进一步了解ScaNN的官网以及Langchain-Community的资源来拓展你的知识。阅读详情

相关推荐

深入浅出ScaNN：高效向量相似性搜索的强大工具

ScaNN是谷歌研究院开发的工具，专为大规模向量相似性搜索而设计。它通过搜索空间修剪和量化实现最大内积搜索，并支持欧氏距离等其他距离函数。ScaNN的实现经过优化，适合在支持AVX2指令集的x86处理器上运行。ScaNN为大规模向量相似性搜索提供了一种高效、灵活的解决方案。通过整合诸如Langchain和Huggingface等工具，ScaNN的应用场景得以大幅扩展。希望本篇文章能为你的项目提供有力支持。

mmlihaio的博客 791

数据输入

数据输入Scann使用的基本步骤1 导包2. 创建对象3.接收数据完整代码案例：找出三个数里的最大数数据输入 Scann使用的基本步骤 1 导包 import java.util.Scanner; 导包的动作必须在类定义的上边 2. 创建对象 Scanner sc=new Scanner(System.in); 上面这个格式里面，只有sc是变量名，可以变，其他的都不允许变 3.接收数据 int...

Janna_woo的博客 368

TFRS工业级推荐系统：从数据流到线上服务的完整工程化实践

推荐系统是典型的AI工程化场景，其核心在于将用户与物品的语义匹配转化为可扩展、可监控、可迭代的服务能力。基于TensorFlow Recommenders（TFRS）构建推荐系统，本质是采用双塔架构实现高效召回，通过特征工程、损失函数设计、索引优化与服务部署四大环节协同落地。TFRS并非简化版Keras封装，而是面向生产环境的标准化中间件，尤其擅长与TF生态深度集成、支持TFRecord高性能数据流、提供BruteForce/ScaNN向量检索能力，并强制解耦用户/物品建模以保障线上低延迟。本文聚焦TFRS

weixin_34080951的博客 358

java重温（Scanner包、Random包、Math类、System类、Object类、Arrays类、基本类型包装类、日期类、SimpleDateFormat类）

一：Scanner使用的基本步骤例：

qq_56127002的博客 589

近似最近邻(ANN)工程实战：算法选型、参数调优与线上稳定性

近似最近邻（ANN）是高维向量检索的核心技术，用于在海量数据中实现毫秒级语义搜索。其本质是通过索引结构（如HNSW、IVF、LSH）牺牲微小精度换取数量级性能提升，解决暴力搜索在高维空间中的维度灾难与内存带宽瓶颈。技术价值体现在推荐系统、多模态检索、金融风控等实时性敏感场景，支撑QPS从个位数跃升至千级。本文聚焦工程落地关键路径：如何根据数据规模、更新频率与SLA约束选择Faiss/Annoy/ScaNN/Milvus；如何科学调优IVF的nlist/nprobe、HNSW的ef_search等‘魔鬼参数’

weixin_34178244的博客 454

TFRS双塔推荐系统实战：从冷启动到线上AB测试的完整落地

推荐系统本质是用户意图与物品语义的匹配问题，其核心在于行为建模、表征学习与高效检索三者的协同。TensorFlow Recommenders（TFRS）并非黑盒框架，而是以标准化API强制暴露采样逻辑、损失函数设计与评估协议等关键决策点，尤其适合需兼顾业务语义与工程可控性的中大型场景。在教育类动态内容平台中，TFRS通过双塔架构支持多源异构特征融合，并天然适配冷启动缓解、难度感知负采样、在线服务集成等真实需求。结合Scann近似最近邻检索与分阶段训练策略，可实现毫秒级响应与高业务指标提升——本文即基于真实生

weixin_34208185的博客 615

使用 Docker 部署集成 ScaNN 自定义算子的 TF Serving：从镜像原理到生产部署

本篇技术指南围绕 ScaNN（Scalable Nearest Neighbors，可扩展最近邻向量检索库）的 TF Serving 集成展开，讲解如何通过 Docker 部署一款与 ScaNN 自定义 C++ TensorFlow 算子静态链接的 TensorFlow Serving 服务，使包含 ScaNN 算子的 SavedModel 能够在生产环境中完成大规模向量相似度检索推理。读完本文，

gitblog_00901的博客 437

TFRS双塔推荐系统实战：从数据建模到线上Serving全链路解析

推荐系统本质是建模用户与物品间的匹配关系，其核心原理在于将高维稀疏交互行为降维为低秩向量表示，并通过点积相似度实现高效检索。TensorFlow Recommenders（TFRS）作为工业级推荐基础设施，以双塔架构、可配置负采样和端到端检索评估为技术价值，显著弥合了离线训练与线上服务的指标鸿沟。它适用于需要支持千万级候选池召回、强调低延迟响应与AB测试灵活性的场景，尤其适合从传统机器学习转型的工程师补全向量检索与大规模稀疏训练能力，也适合作为PyTorch推荐经验者理解TensorFlow生态范式迁移的实

weixin_33743248的博客 408

ScaNN 完全指南：Google Research 可扩展最近邻向量检索库的安装、配置与源码级解析

ScaNN（Scalable Nearest Neighbors）是 Google Research 开源的向量相似度检索库，通过搜索空间剪枝与量化技术实现大规模数据的 Maximum Inner Product Search（最大内积搜索），同时支持欧氏距离等度量。本文以仓库中的 [scann/README.md](https://link.gitcode.com/i/9793f02d0f2a9

gitblog_00525的博客 405

保姆级教程：在NXPS32144环境下安装EB TRESOS 29.0.0并配置MCAL开发环境

本文提供了一份详细的保姆级教程，指导如何在NXP S32K144环境下安装EB TRESOS 29.0.0并配置MCAL开发环境。内容涵盖从前期资源准备、软件安装步骤、核心的MCAL关联配置，到首次创建AUTOSAR工程并进行模块配置的全流程，旨在帮助汽车电子开发者搭建稳定、可用的底层软件开发地基。

wind6的博客 954

深度学习（Deep Learning, DL）简介

深度学习（Deep Learning, DL）是机器学习的一个子领域，主要使用多层神经网络来处理复杂的数据和任务。深度学习通过模拟人脑的神经网络结构，能够自动提取特征并进行高效的模式识别和预测。

qq_28791753的博客 1万+

ScaNN 算法与配置详解：分区、评分与重排序三阶段向量检索指南

ScaNN（Scalable Nearest Neighbors）是 Google Research 开源的高性能向量相似度检索库，其核心设计思想是**将一次最近邻查询拆分为“分区（Partitioning）→ 评分（Scoring）→ 重排序（Rescoring）”三个阶段**，每一阶段都可以通过 `ScaNNBuilder` 独立配置，从而在召回率与检索延迟之间取得灵活的平衡。本文以 [sca

gitblog_00053的博客 433

山东大学软件工程应用与实践——GMSSL开源库（六）——SM9密钥交换协议

2021SC@SDUSC 文章目录基本概念符号及辅助算法SM9密钥交换协议基本概念 1976年，Diffie和Hellman在其题为《密码学的新方向》的论文中首次给出了公钥密码学的定义，并提出了Diffie-Hellman密钥交换算法。该算法解决了对称密码体制中的密钥分发问题，使得通信双方可以通过公开信道安全地交换共享密钥。使用SM9通信的双方通过对方的标识和自身的私钥，经过两次或者可选的三次信息传递过程，计算获取一个由双方共同决定的共享秘密密钥。该密钥可以作为对称密码算法的会话密钥，其中可选步骤用来实

m0_51588039的博客 1986

ANN原理与工程实践：高维向量近似检索技术全解析

近似最近邻（ANN）是解决高维向量相似搜索的核心技术，源于维度灾难下传统KNN失效的客观约束。其原理并非简单降精度，而是通过索引结构（如IVF聚类、HNSW图、LSH哈希）将查询复杂度从O(N)降至O(logN)甚至常数级，在精度、延迟、内存与更新成本间实现工程最优平衡。技术价值体现在毫秒级千万级向量召回能力，支撑推荐系统、多模态搜索、边缘AI等实时场景。本文深入剖析FAISS、HNSW、ScaNN等主流方案的选型逻辑、参数调优与生产避坑，覆盖从向量归一化、nlist/efSearch调参到DiskANN

weixin_34262482的博客 542

cvtColor +内存泄漏

题目不知道怎么取，因为cvtColor并没有产生内存泄漏，但是我由于没有正确使用cvtColor而出现了内存泄漏的问题，所以暂且以cvtColor+内存泄漏为题 1.应用背景项目中用到cvtColor的地方是需要将灰度图转为3通道的彩色图（实际上转换后仍然为灰色的，但是电脑认为的是3通道的彩色图了）因此需要用到以下语句 cvtColor(src_img, cvMtxRGB, C

smilebluesky的专栏 6056

STM32F4用FSMC驱动AX58100 EtherCAT从站芯片，保姆级配置流程与避坑指南

本文详细介绍了STM32F4通过FSMC接口驱动AX58100 EtherCAT从站芯片的完整配置流程，包括硬件连接、时序优化、协议栈移植及TwinCAT主站集成。针对工业自动化场景，提供高性价比的实时控制解决方案，特别适合机械臂、CNC机床等精确同步应用，并分享关键调试技巧与性能优化方法。

weixin_27869497的博客 305

python编写选项_Python之Scanner编写

标签：嗯！拖延症晚期，已经无可救药，熬了两个晚上的夜，基本也把计算机网络课程设计的网络扫描器的功能实现了。其实，写个扫描器也挺好玩的，牵涉到了RAW Socket编程，可以尽情地DIY数据包（当然，不符合数据包规则，比如checksum错误就没办法了），收获颇深。其中，我觉得用C语言写更有利于在编写过程中对加深对计算机网络的理解，特别是数据包细节。但是由于效率问题，还有Python真是太好用了(自...

weixin_39599166的博客 262

uniApp微信小程序：error: 60001 request:fail errcode:-101 cronet error code:-101error_msg:net::ERR CONNECTI

uni-app微信小程序域名访问报error 60001 request:fail errcode:-101，解决Uniapp微信小程序报600001错误，uni.request()接口请求报错，服务器更换SSL证书后，uniapp微信小程序出现`request:fail errcode:-101`问题分析与解决，服务器更换ssl证书后，手机访问微信小程序异常，微信小程序更换SSL证书后出现请求报错，服务器更换SSL证书，微信小程序报600001，小程序反应偶尔出现request:fail errcode:

✅ 精选推荐文章 4580

关于ubuntu下latent-diffusion代码(运行scripts/knn2img.py)protobuf报段错误的问题解决方法

简单来说就是将该knn2img.py文件中的import scann移动到第一行即可。该方法我自己已经试过，可以工作。

weixin_43012818的博客 757

unity6000.0.3版本URP下ScriptableRendererFeature如何实现一张自定义贴图效果？

🏆本文收录于《全栈 Bug 调优（实战版）》专栏。专栏聚焦真实项目中的各类疑难 Bug，从成因剖析 → 排查路径 → 解决方案 → 预防优化全链路拆解，形成一套可复用、可沉淀的实战知识体系。无论你是初入职场的开发者，还是负责复杂项目的资深工程师，都可以在这里构建一套属于自己的「问题诊断与性能调优」方法论，助你稳步进阶、放大技术价值。

**My Coding Family** 583

多算法数据预测——BP、ELM、LSTM、BiLSTM和SAELSTM，附Matlab源码

本文将为大家介绍基于BP、ELM、LSTM、BiLSTM和SAELSTM多种算法的数据预测，并提供相应的Matlab源码。SAELSTM算法是一种结合自动编码器和LSTM神经网络的深度学习方法，用于时间序列数据预测。ELM算法是一种单层前向神经网络，在单次训练过程中直接产生输出权重，从而具有快速学习和良好推广性能。多算法数据预测——BP、ELM、LSTM、BiLSTM和SAELSTM，附Matlab源码。总体来看，采用多种算法进行数据预测可以提高预测准确率，并可根据不同场景选择适合的算法。

qq_39605374的博客 860

rea 无源码逆向全解：让 AI 完整读懂软件内部，两条入口快速上手

你见过某个 App 里一个特别顺手的交互，想在自己产品里复刻，可手里没有源码，只能对着反汇编硬啃。开源项目 rea 要解决的正是这类问题：它把逆向工程变成一件"说人话就能干"的活——你把目标软件丢给编程智能体，用一句"帮我看懂这个功能怎么实现的"开头，AI 就会调用 Hopper、Ghidra、IDA 这些专业工具自己去查、去拆、去验证，最后把结论连同证据一起交到你手上。 ## 没有源码，rea

gitblog_02191的博客 446

复分析阿尔福斯(Ahlfors) 第三版答案英文

答案分为十章，有部分习题没有答案，全英文复分析阿尔福斯(Ahlfors) 第三版答案

ai-memory-vault 常见坑与速查：5个AI忘记你的真实场景及完整解决方案

ai-memory-vault 是一个开源的 **AI 记忆系统**：它把 Obsidian 笔记库变成 AI 的持久记忆，不用向量数据库，只用 Markdown 文件，让 AI 跨会话记住你的项目、偏好和决策。但装好之后，很多人会遇到 AI"时灵时不灵"——一会儿认识你，一会儿又失忆。本文梳理 5 个最常见的"AI 忘记你"场景，每个都附原因与修复方案，文末还有速查表 📋 ## 先花1分钟：

gitblog_00649的博客 648

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能：商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传，基本资料下载，开钱箱、小票打印、收款结算，支持多币种付款方式（现金、储值卡、礼券、微信等）,支持多种促销。运行环境：.net 4.0登陆信息用户名:1001 密码:123456内置商品信息，商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏相关源码待公开

深入PAO架构：Driver、Starter与Execution核心组件全景拆解

PAO（Laravel PAO）是面向 AI Agent 优化的 PHP 工具输出方案，核心功能是在检测到测试工具运行于 AI Agent 环境（如 Claude Code、Cursor、Devin）时，把 PHPUnit、Pest、Paratest、PHPStan、Rector 等工具冗长的人类可读输出，自动转换为紧凑的结构化 JSON，帮助 Agent 节省最多 99.8% 的 token 消

gitblog_00636的博客 479

假人有限元模型

假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用

NextCRM文档管理中心使用指南：UploadThing + S3文件存储的3种上传方式

NextCRM 是一款基于 Next.js、React 19 与 Prisma 的开源 CRM 系统，其**文档管理中心（Documents）**提供了 **3 种文件上传方式**：UploadThing 拖拽上传、UploadButton 按钮上传，以及 S3（DigitalOcean Spaces）直传，覆盖 PDF 文档、图片、个人头像与发票文件的完整文件存储场景。本指南面向新手用户，帮你快

gitblog_00605的博客 1000

如何用 spicetify-cli 的 spotify-updates 命令阻止 Spotify 自动更新：3 步完整指南

spicetify-cli 是定制官方 Spotify 客户端的命令行工具，它的 `spotify-updates` 子命令能把客户端锁在当前版本，不让 Spotify 在后台悄悄换新。看完这篇，你可以一行命令阻止更新，也能随时恢复，主题和扩展不会再被一次静默更新搞坏。 ## 什么情况下需要它 - 你调好的主题被重置了：Spotify 夜间自动升级，新版本改了一堆 CSS 类名，你的自定义样式

gitblog_00471的博客 155

上一篇：推荐架构设计

下一篇： python 参数类型匹配提醒

深入浅出ScaNN：高效向量相似性搜索的强大工具

mmlihaio的博客

12-04

791