文件 kmeans1d.h
-
namespace faiss
具有许多变体的 k-means 聚类实现。
版权所有 (c) Facebook, Inc. 及其附属公司。
此源代码已获得 MIT 许可，请参阅此源树根目录中的 LICENSE 文件。
IDSelector 旨在定义要处理的向量子集（用于删除或作为搜索子集）
PQ4 SIMD 打包和累积函数
基本内核使用 bbs = nb * 2 * 16 个向量累积 nq 查询向量，并为此生成一个输出矩阵。对于 nq * nb <= 4 来说这很有意思，否则寄存器溢出将变得太大。
这些函数的实现分布在 3 个 cpp 文件中，以减少并行编译时间。 模板是显式实例化的。
此文件包含计算距离的内核的回调。
在整个库中，向量以 float * 指针形式提供。 当批量处理（添加/搜索）多个向量时，可以优化大多数算法。 在这种情况下，它们作为矩阵传入。 当大小为 d 的 n 个向量以 float * x 形式提供时，向量 i 的分量 j 为
x[ i * d + j ]
其中 0 <= i < n 且 0 <= j < d。 换句话说，矩阵始终是紧凑的。 指定矩阵的大小时，我们将其称为 n*d 矩阵，这意味着行优先存储。
I/O 函数可以读取/写入到文件名、文件句柄或抽象介质的对象。
读取函数返回应使用 delete 释放的对象。 这些对象中的所有引用都归该对象所有。
反向列表的定义 + 一些实现该接口的常见类。
由于 IVF（倒排文件）索引对于大规模用例非常有用，因此我们将与它们相关的一些函数分组到这个小库中。 大多数函数都适用于 IndexIVF 和嵌入在 IndexPreTransform 中的 IndexIVF。
此文件实现了 L2 和内积之外的额外指标
实现了一些神经网络层，主要为了支持 QINCo
定义了一些将转换应用于一组向量的对象。 通常这些是预处理步骤。
函数
-
void smawk(const idx_t nrows, const idx_t ncols, const float *x, idx_t *argmins)
SMAWK 算法。 查找单调矩阵的行最小值。
公开此内容以进行测试。
- 参数:
nrows – 行数
ncols – 列数
x – 输入矩阵，大小 (nrows, ncols)
argmins – 每行的 argmin
-
double kmeans1d(const float *x, size_t n, size_t nclusters, float *centroids)
通过动态规划实现精确的1D K-Means
参考论文 “Fast Exact k-Means, k-Medians and Bregman Divergence Clustering in 1D” Allan Grønlund, Kasper Green Larsen, Alexander Mathiasen, Jesper Sindahl Nielsen, Stefan Schneider, Mingzhou Song, ArXiV’17
第 2.2 节
https://arxiv.org/abs/1701.07204
- 参数:
x – 输入 1D 数组
n – 输入数组长度
nclusters – 簇的数量
centroids – 输出质心，大小为 nclusters
- 返回值:
不平衡因子
-
void smawk(const idx_t nrows, const idx_t ncols, const float *x, idx_t *argmins)