结构体 faiss::IndexNNDescent

struct IndexNNDescent : public faiss::Index

NNDescent 索引是一个普通的随机访问索引，其上构建了一个 NNDescent 链接结构。

被 faiss::IndexNNDescentFlat 继承

公共类型

using storage_idx_t = NNDescent::storage_idx_t
using component_t = float
using distance_t = float

公共函数

explicit IndexNNDescent(int d = 0, int K = 32, MetricType metric = METRIC_L2)
explicit IndexNNDescent(Index *storage, int K = 32)
~IndexNNDescent() override
virtual void add(idx_t n, const float *x) override

将维度为 d 的 n 个向量添加到索引。

向量被隐式地分配标签 ntotal .. ntotal + n - 1 此函数将输入向量分割成小于 blocksize_add 的块并调用 add_core。

参数:

  • n – 向量的数量

  • x – 输入矩阵，大小为 n * d

virtual void train(idx_t n, const float *x) override

如果需要，训练存储。

virtual void search(idx_t n, const float *x, idx_t k, float *distances, idx_t *labels, const SearchParameters *params = nullptr) const override

搜索的入口点

virtual void reconstruct(idx_t key, float *recons) const override

重建存储的向量（如果是有损编码，则是近似值）

此函数可能未针对某些索引定义

参数:

  • key – 要重建的向量的 ID

  • recons – 重建的向量（大小为 d）

virtual void reset() override

从数据库中删除所有元素。

virtual void add_with_ids(idx_t n, const float *x, const idx_t *xids)

与 add 相同，但存储 xids 而不是顺序 ID。

默认实现会因断言而失败，因为它并非所有索引都支持。

参数:

  • n – 向量的数量

  • x – 输入向量，大小为 n * d

  • xids – 如果非空，则为要存储的向量的 ID（大小为 n）

virtual void range_search(idx_t n, const float *x, float radius, RangeSearchResult *result, const SearchParameters *params = nullptr) const

查询索引中维度为d的n个向量。

返回所有距离 < radius的向量。请注意，许多索引不实现range_search（只有k-NN搜索是强制性的）。

参数:

  • n – 向量的数量

  • x – 要搜索的输入向量，大小为n * d

  • radius – 搜索半径

  • result – 结果表

virtual void assign(idx_t n, const float *x, idx_t *labels, idx_t k = 1) const

返回与查询x最接近的k个向量的索引。

此函数与search相同，但仅返回邻居的标签。

参数:

  • n – 向量的数量

  • x – 要搜索的输入向量，大小为n * d

  • labels – NNs的输出标签，大小为n*k

  • k – 最近邻的数量

virtual size_t remove_ids(const IDSelector &sel)

从索引中删除ID。并非所有索引都支持。 返回删除的元素数。

virtual void reconstruct_batch(idx_t n, const idx_t *keys, float *recons) const

重建几个存储的向量（如果是有损编码，则重建近似值）

此函数可能未针对某些索引定义

参数:

  • n – 要重建的向量数

  • keys – 要重建的向量的ID（大小为n）

  • recons – 重建的向量（大小为n * d）

virtual void reconstruct_n(idx_t i0, idx_t ni, float *recons) const

重建向量i0到i0 + ni - 1

此函数可能未针对某些索引定义

参数:

  • i0 – 序列中第一个向量的索引

  • ni – 序列中向量的数量

  • recons – 重建的向量（大小为ni * d）

virtual void search_and_reconstruct(idx_t n, const float *x, idx_t k, float *distances, idx_t *labels, float *recons, const SearchParameters *params = nullptr) const

类似于search，但还会为搜索结果重建存储的向量（或者在有损编码的情况下进行近似）。

如果查询的结果不足，则结果数组将用-1填充。

参数:

  • n – 向量的数量

  • x – 要搜索的输入向量，大小为n * d

  • k – 提取的向量数

  • distances – 输出成对距离，大小为n*k

  • labels – NNs的输出标签，大小为n*k

  • recons – 重建的向量大小（n，k，d）

virtual void compute_residual(const float *x, float *residual, idx_t key) const

计算索引编码后的残差向量。

残差向量是向量与可以从其在索引中的表示形式解码的重构之间的差异。 残差可用于多阶段索引方法，例如IndexIVF的方法。

参数:

  • x – 输入向量，大小为d

  • residual – 输出残差向量，大小为d

  • key – 编码的索引，由search和assign返回

virtual void compute_residual_n(idx_t n, const float *xs, float *residuals, const idx_t *keys) const

计算索引编码后的残差向量（批量形式）。等价于为每个向量调用 compute_residual。

残差向量是向量与可以从其在索引中的表示形式解码的重构之间的差异。 残差可用于多阶段索引方法，例如IndexIVF的方法。

参数:

  • n – 向量的数量

  • xs – 输入向量，大小 (n x d)

  • residuals – 输出残差向量，大小 (n x d)

  • keys – 编码后的索引，由搜索和分配返回

virtual DistanceComputer *get_distance_computer() const

获取此索引类型的 DistanceComputer（在 AuxIndexStructures 中定义）对象。

DistanceComputer 针对支持对其向量进行随机访问的索引实现。

virtual size_t sa_code_size() const

生成的代码的大小（以字节为单位）

virtual void sa_encode(idx_t n, const float *x, uint8_t *bytes) const

编码一组向量

参数:

  • n – 向量的数量

  • x – 输入向量，大小为 n * d

  • bytes – 输出编码后的向量，大小 n * sa_code_size()

virtual void sa_decode(idx_t n, const uint8_t *bytes, float *x) const

解码一组向量

参数:

  • n – 向量的数量

  • bytes – 输入编码后的向量，大小 n * sa_code_size()

  • x – 输出向量，大小 n * d

virtual void merge_from(Index &otherIndex, idx_t add_id = 0)

将条目从另一个数据集移动到 self。在输出时，other 为空。 add_id 添加到所有移动的 id（对于顺序 id，这将是 this->ntotal）

virtual void check_compatible_for_merge(const Index &otherIndex) const

检查两个索引是否兼容（即，它们以相同的方式训练并具有相同的参数）。否则抛出异常。

virtual void add_sa_codes(idx_t n, const uint8_t *codes, const idx_t *xids)

添加使用独立编解码器计算的向量

参数:

  • codes – 要添加的代码，大小 n * sa_code_size()

  • xids – 相应的 id，大小 n

公共成员

NNDescent nndescent

Faiss 结果是 64 位的。

bool own_fields
Index *storage
int d

向量维度

idx_t ntotal

已索引向量的总数

bool verbose

详细级别

bool is_trained

设置 Index 是否不需要训练，或者是否已完成训练

MetricType metric_type

此索引用于搜索的度量类型

float metric_arg

度量类型的参数