faiss的python接口使用

• 1. 簡介
• 2. 安裝
• 3. 示例

1. 簡介

faiss是一種ann（Approximate Nearest Neighbor）庫，可以用于特征的入庫，檢索。

不僅可以在cpu上使用，還可以利用GPU進(jìn)行檢索，提高檢索的速度。

具體可以參考：https://github.com/facebookresearch/faiss

2. 安裝

cpu版本，適用于各個(gè)系統(tǒng)

pip install faiss-cpu

cpu + gpu版本，目前不適用于windows系統(tǒng)

pip install faiss-gpu

3. 示例

新建索引

import faiss# 傳入特征維度 dim = 2048# IndexFlatIP表示利用內(nèi)積來比較特征的相似度 # 這里一般會讓提取的特征進(jìn)行L2歸一化，那么內(nèi)積就等于余弦相似度 index_ip = faiss.IndexFlatIP(dim)# IndexFlatL2表示利用L2距離來比較特征的相似度 index_l2 = faiss.IndexFlatL2(dim)

添加特征入庫

import numpy as np# 新建一個(gè)特征，維度為2048，shape為(1, 2048) feature = np.random.random((1, 2048)).astype('float32') index_ip.add(feature)# 當(dāng)然，也可以一次性添加多個(gè)特征 features = np.random.random((10, 2048)).astype('float32') index_ip.add(features)# 打印index_ip包含的特征數(shù)量 print(index_ip.ntotal)

自己指定每個(gè)特征的id

在第2步中，添加特征的id是根據(jù)特征入庫的順序?qū)?yīng)的，如果想自己指定id，可以用IndexIDMap包裝一層，代碼如下所示：

index_ids = faiss.IndexFlatIP(2048) index_ids = faiss.IndexIDMap(index_ids)# 添加特征，并指定id，注意添加的id類型為int64 ids = 20 feature_ids = np.random.random((1, 2048)).astype('float32') index_ids.add_with_ids(feature_ids, np.array((ids,)).astype('int64'))

這里要注意，包裝的索引必須是空的，即一開始新建索引之后，就進(jìn)行包裝，不能入庫過一些特征后中途再包裝。

檢索

feature_search = np.random.random((1, 2048)).astype('float32')# 檢索最相似的topK個(gè)特征 topK = 5 D, I = index_ip.search(feature_search, topK) # 返回的D表示相似度（或者距離）, I表示檢索的topK個(gè)特征id（索引）

保存/讀取索引文件

faiss的另一個(gè)優(yōu)點(diǎn)是，可以將保存著特征的索引持久化，保存為文件，類似數(shù)據(jù)庫，這樣就不用每次都提取特征了。

# 保存索引 faiss.write_index(index_ip, 'my.index')# 讀取索引 index = faiss.read_index('my.index')

GPU的使用

# 利用單個(gè)gpu res = faiss.StandardGpuResources()gpu_index = faiss.index_cpu_to_gpu(res, 0, index_ip)

其他操作可以參考faiss在github上的地址。

結(jié)束。

總結(jié)

以上是生活随笔為你收集整理的faiss的python接口使用的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。