关于milvus:milvus-使用-l2-欧式距离计算向量的距离计算出来的距离的最大值是多少

Q：milvus 应用 l2 欧式间隔计算向量的间隔，计算出来的间隔的最大值是多少？
A：归一化之后，最大值是 4

Q: 归一化的是怎么操作的？调用 collection.search 之后取得的向量，曾经是归一化了吗？还是须要本人对 milvus 的搜寻后果再做归一化？

A: 须要本人的对向量做归一化

Q: 有样例代码吗
A: 能够用 np.linalg.norm

Q: 归一化是查问之前做，还是获取查问后果后，对间隔做归一化？
A: 查问之前做，查问的向量，和入底库的向量，都须要做归一化

import numpy as np
import milvus

# 连贯 Milvus 服务器
client = milvus.Milvus(host='localhost', port='19530')

# 定义查问向量
query_vector = np.array([0.1, 0.2, 0.3, 0.4, 0.5], dtype=np.float32)

# 查问向量归一化
query_vector_norm = query_vector / np.linalg.norm(query_vector)

# 构建查问参数
search_param = {
    "metric_type": "L2",
    "params": {"nprobe": 16}
}

# 在 milvus 中查问向量
search_result = client.search(collection_name='my_collection', query_records=[query_vector_norm.tolist()], top_k=10, params=search_param)

# 解决查问后果
for result in search_result:
    print(result.id, result.distance)