### faiss AI相似性搜索工具 能使開發者快速搜索相似多媒體文件的算法庫。 faiss的所有算法都是圍繞index展開的。不管運行搜索還是聚類，首先都要建立一個index。 - 相似性搜索的本質 傳統數據庫由包含符號信息的機構表組成，比如，一個圖像集，會用每行一張索引照片的列表表示。 很多AI工具都會產生高維**矢量**，比如像 **word2vec** 這樣的文本嵌入工具，以及用深度學習訓練的CNN描述符。 這些表示比固定的符號表示更加強大靈活。但用SQL來檢索的傳統數據庫并沒有適配這些新型表示。 首先，海量的新多媒體流創造了數十億的矢量。其次，而且更為重要的是，找到相似的條目意味著找到相近的高維矢量。 而對于當下的標準檢索語言，這是極度低效、甚至無法實現的。 - 如何使用矢量表示？ 分類器的訓練 - 軟件包 現有的軟件工具，不足以完成上述數據庫搜索操作。傳統的SQL數據庫系統可用性不高，因為它們是 hash-based searches 或 1D interval searches 而優化。 #### 1. faiss的優缺點 - 提供數個相似性搜索方法，這些方法針對不同使用情況，提供跨度很大的功能取舍。 - 為內存的使用和速度而優化。 - 為相關索引方法提供了最前沿的GPU執行方案。 #### 2. 相似性搜索評估 一旦這些矢量被學習機提取出來（從圖像、視頻、文本文件或者其他渠道），它們就已經可以被輸入進相似性搜索庫。 #### 3. 十億個矢量的評估 #### 4. 選擇索引 [ubuntu 16.04 環境安裝faiss](https://blog.csdn.net/cym1990/article/details/79528822)