horapy

호라피

[홈페이지] [문서] [예시] [호라]

Hora Approximate Nearest Neighbor Search 위한 Python 바인딩

주요 특징

• 성능 ⚡️

  • SIMD 가속(packed_simd)
  • 안정적인 알고리즘 구현
  • 다중 스레드 설계

• 다중 인덱스 지원

  • Hierarchical Navigable Small World Graph Index(HNSWIndex) (세부 사항)
  • Satellite System Graph (SSGIndex) (세부정보)
  • Product Quantization Inverted File(PQIVFIndex) (세부사항)
  • Random Projection Tree(RPTIndex) (LSH, WIP)
  • BruteForce (BruteForceIndex) (SIMD를 사용한 순진한 구현)

• 가지고 다닐 수 있는

  • no_std 지원(WIP, 부분)
  • Windows , Linux 및 OS X 지원
  • IOS 및 Android 지원(WIP)
  • BLAS 와 같은 과도한 의존성 없음

• 신뢰할 수 있음

  • Rust 컴파일러는 모든 코드를 보호합니다.
  • Rust 가 관리하는 메모리
  • 광범위한 테스트 범위

• 다중 거리 지원 ?

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

• 생기게 하는

  • 잘 문서화되어 있음
  • 우아하고 간단한 API, 배우기 쉽습니다.

기준

by aws t2.medium (CPU: Intel(R) Xeon(R) CPU E5-2686 v4 @ 2.30GHz) 추가 정보

설치

pip install horapy

예

 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

특허

전체 저장소는 Apache 라이센스를 따릅니다.