chunelfeng / caiss Goto Github PK

我看这个库最近一次更新在一年前，是认为已经完善了？还是不准备持续支持了呢？

256 double数组向量，相似度是用余玄夹角计算，可以用caiss做以图搜图吗，另外caiss有交流群吗，谢谢大佬

首先感谢大佬优秀的项目！

我的场景是这样的，想做一个简单的本地以图搜图引擎，只需要本地运行，没有集群需求，所以觉得大佬这个库十分适合（milvus对于我这个需求来说比较复杂了，而且没有官方的Windows版本支持）。

将图片向量化（embedding）这一步我已经实现了（使用towhee），也就是得到了每个图片的向量，那训练样本的格式如何填写？（其实没太懂这里的训练在训练什么哈哈）

是这样填写吗？

{"imagePath1": vector}
{"imagePath2": vector}

希望大佬不吝赐教😁

An English description would help. Thank you! 🙏

DIM = 768
#WORD = 'go|home'
WORD = ['go home']
TOP_K = 5
#SEARCH_TYPE = CAISS_SEARCH_WORD
SEARCH_TYPE=CAISS_SEARCH_QUERY
请问相似句查询时 参数WORD或者QUERY应该写怎样的格式

pyCaiss.py：
if search_type == CAISS_SEARCH_QUERY or search_type == CAISS_LOOP_QUERY:
# 如果传入的是数组信息，需要将数组转成指针传递下去
#print('len:',len(info))
# print('self._dim',self._dim)
# print('info[0]',info[0])
if self._dim != len(info):
return CAISS_RET_DIM, ''
vec = (c_float * self._dim)()
for i in range(0,int(self._dim)):
#print('vec',vec[i])
vec[i] = info[i]
#print('vec',vec[i])
ret = self._caiss.CAISS_Search(handle, vec, search_type, top_k, filter_edit_distance, None, None)
pyCaiss.py文件中当我查询格式换成 CAISS_SEARCH_QUERY是 我应该传怎样的info满足vec
这部分不是很懂，恳请解决一下。

厉害了哈～

这个怎么做俩段话的语义相似度啊

索引的逻辑和检索的逻辑是使用的faiss吗? 还是自己开发的?