horapy

horapy

[Beranda] [Dokumen] [Contoh] [Hora]

Pengikatan Python untuk Hora Approximate Nearest Neighbor Search

Fitur Utama

• Berkinerja ⚡️

  • SIMD-Dipercepat (packed_simd)
  • Implementasi algoritma yang stabil
  • Desain beberapa utas

• Dukungan Banyak Indeks

  • Hierarchical Navigable Small World Graph Index(HNSWIndex) (detail)
  • Satellite System Graph (SSGIndex) (detail)
  • Product Quantization Inverted File(PQIVFIndex) (detail)
  • Random Projection Tree(RPTIndex) (LSH, WIP)
  • BruteForce (BruteForceIndex) (implementasi naif dengan SIMD)

• Portabel

  • Dukungan no_std (WIP, sebagian)
  • Mendukung Windows , Linux dan OS X
  • Mendukung IOS dan Android (WIP)
  • Tidak ada ketergantungan yang berat, seperti BLAS

• Keandalan

  • Kompiler Rust mengamankan semua kode
  • Memori dikelola oleh Rust
  • Cakupan pengujian yang luas

• Dukungan Beberapa Jarak ?

  • Dot Product Distance
  • Euclidean Distance
  • Manhattan Distance
  • Cosine Similarity

• Produktif

  • Didokumentasikan dengan baik
  • API yang elegan dan sederhana, mudah dipelajari

Tolok ukur

oleh aws t2.medium (CPU: Intel(R) Xeon(R) CPU E5-2686 v4 @ 2.30GHz) informasi lebih lanjut

Instalasi

pip install horapy

Contoh

 import numpy as np
from horapy import HNSWIndex

dimension = 50
n = 1000

# init index instance
index = HNSWIndex ( dimension , "usize" )

samples = np . float32 ( np . random . rand ( n , dimension ))
for i in range ( 0 , len ( samples )):
    # add node
    index . add ( np . float32 ( samples [ i ]), i )

index . build ( "euclidean" )  # build index

target = np . random . randint ( 0 , n )
# 410 in Hora ANNIndex <HNSWIndexUsize> (dimension: 50, dtype: usize, max_item: 1000000, n_neigh: 32, n_neigh0: 64, ef_build: 20, ef_search: 500, has_deletion: False)
# has neighbors: [410, 736, 65, 36, 631, 83, 111, 254, 990, 161]
print ( "{} in {} n has neighbors: {}" . format (
    target , index , index . search ( samples [ target ], 10 )))  # search

Lisensi

Seluruh repo berada di bawah Lisensi Apache.