Il s'agit de l'application Linux nommée Faiss dont la dernière version peut être téléchargée en tant que v1.7.3.zip. Il peut être exécuté en ligne dans le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne gratuitement cette application nommée Faiss avec OnWorks.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN:
Fayss
DESCRIPTION:
Faiss est une bibliothèque pour la recherche efficace de similarité et le regroupement de vecteurs denses. Il contient des algorithmes qui recherchent dans des ensembles de vecteurs de n'importe quelle taille, jusqu'à ceux qui ne rentrent peut-être pas dans la RAM. Il contient également un code de support pour l'évaluation et le réglage des paramètres. Faiss est écrit en C++ avec des wrappers complets pour Python/numpy. Certains des algorithmes les plus utiles sont implémentés sur le GPU. Il est développé par Facebook AI Research. Faiss contient plusieurs méthodes de recherche de similarité. Il suppose que les instances sont représentées sous forme de vecteurs et sont identifiées par un nombre entier, et que les vecteurs peuvent être comparés à des distances L2 (euclidiennes) ou à des produits scalaires. Les vecteurs similaires à un vecteur de requête sont ceux qui ont la distance L2 la plus faible ou le produit scalaire le plus élevé avec le vecteur de requête. Il prend également en charge la similarité cosinus, puisqu'il s'agit d'un produit scalaire sur des vecteurs normalisés.
Caractéristiques
- La bibliothèque est principalement implémentée en C++, avec un support GPU optionnel fourni via CUDA et une interface Python optionnelle
- Faiss gère des collections de vecteurs de dimensionnalité fixe d, typiquement quelques dizaines à 10s
- La version CPU nécessite une bibliothèque BLAS. Il se compile avec un Makefile et peut être empaqueté dans une image docker
- Faiss est construit autour d'un type d'index qui stocke un ensemble de vecteurs et fournit une fonction pour les rechercher avec L2 et/ou la comparaison de vecteurs de produits scalaires
- L'implémentation GPU facultative fournit ce qui est probablement l'implémentation de recherche de voisin le plus proche exact et approximatif la plus rapide pour les vecteurs de grande dimension
- Faiss est construit autour de l'objet Index. Il encapsule l'ensemble des vecteurs de base de données et les prétraite éventuellement pour rendre la recherche efficace
Langage de programmation
C + +
Catégories
Il s'agit d'une application qui peut également être récupérée sur https://sourceforge.net/projects/faiss.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.