关于机器学习:Hora-010发布可能是最快的-AI-相似性搜索算法库

3次阅读

共计 1721 个字符，预计需要花费 5 分钟才能阅读完成。

题目有些题目党哈 😂 , 我也不晓得为什么这样看到的人才多一些

Hora 是一个近似最近邻搜索算法 (wiki) 库

Hora 齐全基于 Rust🦀 实现，事实证明，Rust 的确十分十分快，齐全能够媲美 C++，且 Hora 应用 SIMD进行了减速，速度十分快⚡️⚡️⚡️，具体速度能够参考上面的 benchmark.

Hora，日语为 「ほら」，读法像 [hōlə]，意思是 Wow, You see! , Look at that!。这个名字的灵感来自日本驰名歌曲 「小さな恋のうた」。

github：https://github.com/hora-searc…

主页：https://horasearch.com/

Python 库：https://github.com/hora-searc…

Javascript 库：https://github.com/hora-searc…

Hora 定位上是 Rust 实现的 ANN 算法库，心愿能基于 Rust 自身的劣势，可能提供多个平安的语言库，且能部署在任何中央。目前曾经能在 Linux, macOS 和 Windows 以及 WebAssembly 部署，将来还会反对 Android 和IOS以及 嵌入式设施

这是 Hora 的在线演示（能够在这里找到它，强烈推荐试试速度！！https://horasearch.com/)

👩 Face-Match [online demo], have a try!

🍷 Dream wine comments search [online demo], have a try!

Hora 十分快，bench（与 Faiss 和 Annoy 相比）

装置极为简略：
Rust

[dependencies]
hora = "0.1.1"

Python

$ pip install horapy

Javascript (WebAssembly)

$ npm i horajs

Building from source

$ git clone https://github.com/hora-search/hora
$ cargo build

应用上 API 也非常简单:

Python example [more info]

import numpy as np
from horapy import HNSWIndex

dimension = 50
n = 1000

# init index instance
index = HNSWIndex(dimension, "usize")

samples = np.float32(np.random.rand(n, dimension))
for i in range(0, len(samples)):
    # add node
    index.add(np.float32(samples[i]), i)

index.build("euclidean")  # build index

target = np.random.randint(0, n)
# 410 in Hora ANNIndex <HNSWIndexUsize> (dimension: 50, dtype: usize, max_item: 1000000, n_neigh: 32, n_neigh0: 64, ef_build: 20, ef_search: 500, has_deletion: False)
# has neighbors: [410, 736, 65, 36, 631, 83, 111, 254, 990, 161]
print("{} in {} \nhas neighbors: {}".format(target, index, index.search(samples[target], 10)))  # search

咱们很欢送任何参加，欢送任何奉献，包含文档和测试。咱们应用 GitHub 问题来跟踪 Issue 和 bug，你能够在 github 上进行 Pull Requests、Issue

最初如果感觉这个我的项目做的还不错，或者比拟感兴趣，或者你们想用的，欢送在 github 上 star 或者给咱们提 issue

github：https://github.com/hora-searc…

Python 库：https://github.com/hora-searc…

Javascript 库：https://github.com/hora-searc…

正文完