首页
/ TinyVector 开源项目教程

TinyVector 开源项目教程

2024-08-31 15:32:04作者:申梦珏Efrain

项目介绍

TinyVector 是一个基于 SQLite 和 PyTorch 构建的小型最近邻嵌入数据库。它旨在为小型到中型数据集提供快速的向量查询速度,并且易于定制和扩展。TinyVector 是开源的,采用 MIT 许可证,适用于简单的应用场景,如文档搜索和网站商店搜索。

项目快速启动

安装依赖

首先,确保你已经安装了 Python 和 Rust。然后,克隆项目仓库并安装所需的 Python 包:

git clone https://github.com/m1guelpf/tinyvector.git
cd tinyvector
pip install -r requirements.txt

启动服务器

运行以下命令启动 TinyVector 服务器:

python -m server

使用示例

以下是一个简单的使用示例,展示了如何插入和查询向量:

from tinyvector import TinyVector

# 初始化数据库
db = TinyVector('example.db')

# 插入向量
db.insert([1.0, 2.0, 3.0])
db.insert([4.0, 5.0, 6.0])

# 查询最近邻
nearest = db.query([1.5, 2.5, 3.5])
print(nearest)

应用案例和最佳实践

文档搜索

TinyVector 非常适合用于文档搜索。你可以将文档的嵌入向量存储在 TinyVector 中,并使用查询向量来检索最相关的文档。

# 假设你已经生成了文档的嵌入向量
document_embeddings = [
    [0.1, 0.2, 0.3],
    [0.4, 0.5, 0.6],
    # ...
]

# 插入文档嵌入向量
for embedding in document_embeddings:
    db.insert(embedding)

# 查询最相关的文档
query_embedding = [0.15, 0.25, 0.35]
nearest_document = db.query(query_embedding)
print(nearest_document)

网站商店搜索

对于网站商店搜索,你可以将商品的嵌入向量存储在 TinyVector 中,并使用查询向量来检索最相关的商品。

# 假设你已经生成了商品的嵌入向量
product_embeddings = [
    [0.1, 0.2, 0.3],
    [0.4, 0.5, 0.6],
    # ...
]

# 插入商品嵌入向量
for embedding in product_embeddings:
    db.insert(embedding)

# 查询最相关的商品
query_embedding = [0.15, 0.25, 0.35]
nearest_product = db.query(query_embedding)
print(nearest_product)

典型生态项目

集成模型

TinyVector 计划支持各种嵌入模型,如 SBert、Hugging Face 模型、OpenAI、Cohere 等。这将使得用户可以直接在服务器上生成向量,而无需自己提供向量。

Python/JS 客户端

TinyVector 将提供全面的 Python 和 JavaScript 包,以便于与 TinyVector 进行集成。

# Python 客户端示例
from tinyvector_client import TinyVectorClient

client = TinyVectorClient('http://localhost:5000')
nearest = client.query([1.5, 2.5, 3.5])
print(nearest)
// JavaScript 客户端示例
const TinyVectorClient = require('tinyvector-client');

const client = new TinyVectorClient('http://localhost:5000');
client.query([1.5, 2.5, 3.5]).then(nearest => {
    console.log(nearest);
});

通过这些生态项目,TinyVector 可以更好地与其他工具和框架集成,提供更强大的功能和更好的用户体验。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
941
555
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
992
395
ops-mathops-math
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
510
44
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.32 K
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
194
279