faiss - PQ(ProductQuantizer) 源码详解

Product Quantizer：提升向量量化效率

最新推荐文章于 2025-09-11 04:03:40 发布

原创

最新推荐文章于 2025-09-11 04:03:40 发布 · 859 阅读

1 ·

CC 4.0 BY-SA版权

Product Quantizer是一种高效的向量量化方法，相对于普通Quantizer，它将向量分段并分别进行聚类，从而能用更少的码本表达大量中心点。在训练时，每个子空间独立聚类，查询时通过组合每个段的最近中心点，实现更多可能的组合，节省存储空间。此方法在大规模数据处理和检索中具有优势。

PQ (Product Quantizer), 相对与普通的Quantizer而言

普通Quantizer 将整个向量通过单次聚类达到量化。

Product Quantizer 则通过对向量分段(这里的分段是针对向量本身的，例如128维的向量分为2个64维的向量)，每段分别聚类得到多个量化结果（每段一个量化结果），这样的好处是同较小的码本来表达非常大量的码

把256个128维的向量分为4段，每段有256个32维的向量，每段独立训练中心点，这样在查询时从每个段中选一个最近的中心点(可以采用排列组合的思想理解)，所以可能的情况有256*256*256*256，这样可以用较少的向量，训练出更多的中心点，而且还省空间。

而普通Quantizer就只有256个中心点。

void ProductQuantizer::train (int n, const float * x)
{
    if (train_type != Train_shared) { ///共享词典
        train_type_t final_train_type;
        final_train_type = train_type;
        if (train_type == Train_hypercube ||
            train_type == Train_hypercube_pca) { ///使用超立方体初始化中心点
            if (dsub < nbits) { ///猜测是形成不了nbits个空间
                final_train_type = Train_default;
                printf ("cannot train hypercube: nbits=%ld > log2(d=%ld)\n",
                        nbits, dsub);
            }
        }
        ///为每个子空间分配内存(向量个数 * 子向量维度)