horapy

洞天

[主页] [文档] [示例] [Hora]

用于Hora Approximate Nearest Neighbor Search的 Python 绑定

主要特点

• 表现出色⚡️

  • SIMD 加速 (packed_simd)
  • 稳定的算法实现
  • 多线程设计

• 多索引支持

  • Hierarchical Navigable Small World Graph Index(HNSWIndex) （详细）
  • Satellite System Graph (SSGIndex) （详细）
  • Product Quantization Inverted File(PQIVFIndex) （详细）
  • Random Projection Tree(RPTIndex) （LSH，WIP）
  • BruteForce (BruteForceIndex) （使用 SIMD 的简单实现）

• 便携的

  • 支持no_std （WIP，部分）
  • 支持Windows 、 Linux和OS X
  • 支持IOS和Android （WI​​P）
  • 没有严重依赖，例如BLAS

• 可靠性

  • Rust编译器保护所有代码
  • Rust管理的内存
  • 广泛的测试覆盖范围

• 多距离支持？

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

• 富有成效

  • 有据可查
  • 优雅简洁的API，简单易学

基准

作者aws t2.medium (CPU: Intel(R) Xeon(R) CPU E5-2686 v4 @ 2.30GHz)更多信息

安装

pip install horapy

例子

 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

执照

整个存储库均遵循 Apache 许可证。