Pre and post processing

在某些情形下，需要对Index做前处理或后处理。

ID映射

默认情况下，faiss会为每个输入的向量记录一个次序id，在使用中也可以为向量指定任意我们需要的id。
部分index类型有add_with_ids方法，可以为每个向量对应一个64-bit的id，搜索的时候返回这个指定的id。

#导入faiss
import sys
sys.path.append('/home/maliqi/faiss/python/')
import faiss
import numpy as np #获取数据和Id
d = 512
n_data = 2000
data = np.random.rand(n_data, d).astype('float32')
ids = np.arange(100000, 102000)  #id设定为6位数整数

nlist = 10
quantizer = faiss.IndexFlatIP(d)
index = faiss.IndexIVFFlat(quantizer, d, nlist, faiss.METRIC_L2)
index.train(data)
index.add_with_ids(data, ids)
d, i = index.search(data[:5], 5)
print(i)  #返回的id应该是我们自己设定的

[[100000 100383 101007 101444 100729][100001 100880 101693 100004 100964][100002 101113 101998 101017 101768][100003 100694 101701 101608 100831][100004 100111 100564 100541 100513]]

但是对有些Index类型，并不支持add_with_ids，因此需要与其他Index类型结合，将默认的id映射到指定id，用IndexIDMap类实现。
指定的ids不能是字符串，只能是整数。

index = faiss.IndexFlatL2(data.shape[1])
index.add_with_ids(data, ids)  #报错

---------------------------------------------------------------------------
RuntimeError                              Traceback (most recent call last)
<ipython-input-5-4de928a09ab9> in <module>()1 index = faiss.IndexFlatL2(data.shape[1])
----> 2 index.add_with_ids(data, ids)/home/maliqi/faiss/python/faiss/__init__.py in replacement_add_with_ids(self, x, ids)104         assert d == self.d105         assert ids.shape == (n, ), 'not same nb of vectors as ids'
--> 106         self.add_with_ids_c(n, swig_ptr(x), swig_ptr(ids))107 108     def replacement_assign(self, x, k):/home/maliqi/faiss/python/faiss/swigfaiss.py in add_with_ids(self, n, x, xids)1316 1317     def add_with_ids(self, n, x, xids):
-> 1318         return _swigfaiss.Index_add_with_ids(self, n, x, xids)1319 1320     def search(self, n, x, k, distances, labels):RuntimeError: Error in virtual void faiss::Index::add_with_ids(faiss::Index::idx_t, const float*, const long int*) at Index.cpp:46: add_with_ids not implemented for this type of index

index2 = faiss.IndexIDMap(index)
index2.add_with_ids(data, ids)  #将index的id映射到index2的id,会维持一个映射表

数据转换

有些时候需要在索引之前转换数据。转换类继承了VectorTransform类，将输入向量转换为输出向量。
1)随机旋转,类名RandomRotationMatri,用以均衡向量中的元素，一般在IndexPQ和IndexLSH之前；
2）PCA,类名PCAMatrix，降维；
3）改变维度，类名RemapDimensionsTransform，可以升高或降低向量维数

举例：PCA降维（通过IndexPreTransform）

输入向量是2048维，需要减少到16byte。

data = np.random.rand(n_data, 2048).astype('float32')
# the IndexIVFPQ will be in 256D not 2048
coarse_quantizer = faiss.IndexFlatL2 (256)
sub_index = faiss.IndexIVFPQ (coarse_quantizer, 256, 16, 16, 8)
# PCA 2048->256
# 降维后随机旋转 (第四个参数)
pca_matrix = faiss.PCAMatrix (2048, 256, 0, True) #- the wrapping index
index = faiss.IndexPreTransform (pca_matrix, sub_index)# will also train the PCA
index.train(data)  #数据需要是2048维
# PCA will be applied prior to addition
index.add(data)

举例：升维

有时候需要在向量中插入0升高维度，一般是我们需要 1）d是4的整数倍，有利于举例计算； 2）d是M的整数倍。

d = 512
M = 8   #M是在维度方向上分割的子空间个数
d2 = int((d + M - 1) / M) * M
remapper = faiss.RemapDimensionsTransform (d, d2, True)
index_pq = faiss.IndexPQ(d2, M, 8)
index = faiss.IndexPreTransform (remapper, index_pq) #后续可以添加数据/索引

对搜索结果重新排序

当查询向量时，可以用真实距离值对结果进行重新排序。
在下面的例子中，搜索阶段会首先选取4*10个结果，然后对这些结果计算真实距离值，再从中选取10个结果返回。IndexRefineFlat保存了全部的向量信息，内存开销不容小觑。

data = np.random.rand(n_data, d).astype('float32')
nbits_per_index = 4
q = faiss.IndexPQ (d, M, nbits_per_index)
rq = faiss.IndexRefineFlat (q)
rq.train (data)
rq.add (data)
rq.k_factor = 4
dis, ind = rq.search (data[:5], 10)
print(ind)

[[   0  434 1647 1501  867  658  822 1164  490 1430][   1 1035  369  392  866 1645 1961 1469 1946  175][   2  466 1183  403  427  505  394  759  633  746][   3 1668 1798 1293  965 1484  755  315 1633 1453][   4  309  715 1204  996  239 1381   48  707 1311]]

综合多个index返回的结果

当数据集分布在多个index中，需要在每个index中都执行搜索，然后使用IndexShards综合得到结果。同样也适用于index分布在不同的GPU的情况。

【Faiss】indexes 前(后)处理（五）相关推荐

售前工程师职业生涯五个段位，从写解决方案到营销大师的蜕变
售前工程师职业生涯五个段位,从写解决方案到营销大师的蜕变写在前面:别忽悠客户,断送自己的职业生涯一.入门级级售前:销售助手二.合格售前段位:销售伙伴三.高级售前段位:用户伙伴四.蜕变售前段位 ...
安装Windows XP后的五个设置步骤
安装Windows XP后的五个设置步骤安装Windows XP后的五个设置步骤当你兴冲冲地买来XP的光盘,经过漫长的文件拷贝.Windows识别硬件和初始化系统后,终于进入Windows XP那 ...
小米11 Pro概念图曝光：曲面挖孔屏+后置五摄相机模组
今年以来,小米陆续推出了四款小米10系列机型,包括小米10.小米10 Pro.小米10青春版和小米10至尊纪念版,并且还在海外推出了小米10T系列,在各个价位和多个市场全面开花并均获得了极好的成绩,可 ...
MySQL 查询最好的前/后3条
MySQL 查询前/后3条 1 查询SQL 2 学生表 3 成绩表 1 查询SQL select a.`subject`,a.score,s.`name` from score a left join ...
dronekit 控制飞控上/下/前/后/左/右或是上/下/东/西/南/北
1.ardupilot平台对于ardupilot平台 ,dronekit的python代码可以这样编写实现上/下/前/后/左/右 from pymavlink import mavutil fro ...
华为p40配置鸿蒙系统,华为P40配置曝光将搭配鸿蒙系统+后置五摄
花火网讯华为P40做为下部华为旗舰手机,将要在不久之后首发上市,而最近就有关于华为P40的各种配置信息泄露. 根据国外用户在社交网络上爆料,华为P40系列手机将会有鸿蒙系统和安卓系统两个版本.这也符 ...
华为鸿蒙拍照,华为P40重新定义拍照手机，屏下摄像后置五摄，可搭载国产鸿蒙OS...
华为的旗舰手机分Mate和P两大系列,Mate系列属于价格比较贵的高端商务手机,P系列则价格更亲民一些,属于时尚拍照旗舰手机的范畴.按照惯例华为P系列一般会在上半年3月份左右发布,而Mate系列会在下 ...
华为鸿蒙OS5摄概念机,华为Mate50Pro概念机：后置五摄，预装鸿蒙OS
原标题:华为Mate50Pro概念机:后置五摄,预装鸿蒙OS 华为Mate40系列手机最近很抢手,接下来大家就是期待主打时尚和拍照的华为P50系列了,不过对于喜欢商务气息更加浓重一些的用户来说,华为M ...
Java 时间，时间戳往前/后加/减一个小时
Java 时间,时间戳往前/后叠加一个小时 public Map<Long, Map<String, Object>> statusDeviceStatusByDate(St ...

【Faiss】indexes 前(后)处理（五）