共计 3271 个字符，预计需要花费 9 分钟才能阅读完成。
从向量检索说起
咱们日常生活中常见的图片和声音都是非结构化数据，通过应用各种机器学习的模型，能够提取出不同的特征向量。每个非结构化的对象，都可能作为提取特征向量的汇合，由一个高维向量进行示意。比方，苹果能够用 [圆球形，红色，水果，酸甜，…] 来示意。
与标量数据查问不同，在向量数据库中进行近似查问时，咱们的目标并不是找到和指标完全一致的对象，而是找到和指标类似度更高的对象。同时，在比拟两个向量类似度的过程中，咱们所破费的老本绝对于标量也要高得多，如果每次查问都须要遍历整个数据库的话，整体计算量将十分大，工夫代价也将十分低廉。
这个时候，通过应用一些向量检索算法，能够帮忙咱们解决下面的难题。例如，近似最近邻搜索算法(Approximate Nearest Neighbor Search, ANNS)。
ANNS 是什么
ANNS 又叫做近似最近邻算法，是一种减速向量相似性查问的办法。这种算法其实就是为给定的汇合构建一种数学模型(或数据结构)，当输出一个检索对象时，能够在汇合中疾速找到与其最近的对象。
业界目前有许多不同“版本”的 ANNS 算法，比方 ivf_flat, hnsw, scann 等等，这些算法的实质是通过构建索引，缩小数据查问过程中对数据库的遍历，来进步查问的效率，但代价是会升高向量相似性搜寻的精度。
如何抉择索引类型、设置索引参数来均衡精度损失和查问效率，是向量数据库构建的重要内容。
想要解决下面的问题，未免须要用户相熟各类简单的索引以及繁多的参数，这都须要消耗大量的工夫来进行学习和把握，并且在神经网络算法中存在大量的黑盒情况，在向量索引场景中想要察看和调试业务也同样面临着微小的挑战：咱们如何晓得与某个数据类似的向量都是什么呢？
Feder – ANNS 算法的可视化神器
为了解决下面的难题，让生产环境中的向量数据具备肯定的可观测性，咱们推出了一款基于 ANNS 算法的可视化工具—— Feder，它能够将算法解决数据的过程可视化，并将清晰的后果疾速牢靠地出现在用户背后。有了 Feder，神经网络算法场景下的向量检索将不再是黑盒！
应用 Feder 能够帮忙咱们更容易地了解不同的索引类型及参数：Feder 能够反对用户察看不同索引的数据组织构造，以及不同参数对索引构造的影响；Feder 也能够向用户展现单次搜寻工作中残缺的搜寻过程，包含具体的数据拜访记录。
咱们曾经反对了两种支流索引: hnsw (from hnswlib) 和 ivf_flat (from faiss)，咱们正在对我的项目进行踊跃的开发，让 Feder 能反对更多索引的类型，如果你有具体的索引需要，或者对我的项目感兴趣，欢送返回 Github（https://github.com/zilliztech/feder）参加我的项目的探讨。如果你感觉咱们的我的项目还不错，请给咱们的我的项目点赞和关注！
hnsw 可视化 – 基于 VOC 数据集的案例剖析
咱们应用机器学习畛域中经典的图片数据集 VOC 2012（17,000+ 张照片）为例，通过 Towhee（https://github.com/towhee-io/towhee）能够将这些照片高效地转换为向量，而后通过 hnswlib 实现索引的构建，最初通过 Feder 实现后果的可视化。
咱们实现了一个开箱即用的在线 demo，你能够在 colab 上疾速体验 hnsw 的可视化后果。（https://colab.research.google.com/drive/12L_oJPR-yFDlORpPondsqGNTPVsSsUwi?usp=sharing）
洞悉 hnsw 索引的整体构造
接下来，咱们为 VOC 数据集构建 hnsw 索引，如下图所示，一共有 5 层。为了不便演示，咱们仅展现最下面 3 层的构造。
hnsw 索引具备多层构造，其中每层都是一个联通网络。在下面的图片中，咱们能够察看到，下层的节点比拟稠密，然而节点间的跨度比拟大，而 层数越往下，节点越浓密。这个空间结构相似真实世界中的交通网络，从上往下，顺次能够看作：航空网络、铁路网络，以及高速公路网络。
当咱们利用 hnsw 索引进行向量搜寻时，会优先应用下层的网络，就像乘坐飞机一样，它提供更快的速度（更少的直达），然而单靠下层网络并不能间接找到与输出对象类似的指标对象。这时，咱们须要持续向上层网络进行数据查找，来取得更高的数据精度。同样地，咱们在现实生活中也须要换乘其余交通工具，例如铁路、高速公路、一般公路等等。（这里有一个细节，hnsw 在构建时会选取最上层的一个节点作为固定入口，每次查问都将从该入口登程）
Feder 反对用户进行交互，用户能够抉择任意一个数据节点进行察看，高亮的黄色轨迹示意从入口登程到最终到达该节点的最短门路（起码的直达），红色门路代表了该节点能到达的其余节点。通过交互查看该门路上更多细节，咱们能够看到，随着层数的减少，连贯对象的类似度会越来越高。
左上角的“数据概览面板”提供了一些参数信息:
- 参数 M : 每层网络中的每个节点能够到达节点的数量取决于参数 M。以后，M 的值为 8，那么从任意一个节点登程，能到达的节点数目不会超过 8 个（在最底层 level-0 是 2M=16 个）。咱们能够批改不同的参数，以察看在不同参数下的索引构造。随着 M 的减少，hnsw 的整体构造将会越偏向于“扁平”。
- 参数 ef : ef 对索引构造的影响并不如 M 那么显著，它理论影响的是索引构建时 link 的生成。具体能够参考论文[1]。
洞悉 hnsw 索引的搜寻过程
当咱们给定了搜寻指标后，就能够在 Feder 中以动画的模式理解到残缺的向量搜寻过程。
上图展现了理论搜寻工作中数据拜访的过程，其中包含了参加向量相似性计算的对象。
首先，从（固定的）入口登程，先在第一层逐渐拜访所有能到达的节点，而后跳转到间隔指标最近的一个，每次跳转都在逐渐凑近指标节点，当本层的节点不足以更加凑近指标时，将进入下一层一直搜寻。
在最初一层的搜寻过程中，其搜寻门路是多线开展的，ef 参数将影响搜寻门路的抉择。
通过交互，咱们也能够发现，尽管最开始搜寻门路上的节点相关性都较低，但随着搜寻的进行，搜寻的精度迅速变高。从左侧的统计面板中，咱们能够发现，总量超过 17,000 张的图片，理论被拜访到的向量（即参加间隔计算的向量）只有 143 个，约占总量的 1%，这大大减速了查问的效率，这也是 hnsw 的魔力所在。
用户能够调整参数，生成不同的索引文件，来察看不同索引构造下的搜寻效率和后果比照。
对于 Feder
Feder 的诞生离不开弱小的向量数据库软件 Milvus [2] 和先进的向量数据 ETL 框架 Towhee [3]，如果你对 Feder 感兴趣，欢送拜访 GitHub，查看文档，理解 Feder 的更多信息 (https://github.com/zilliztech/feder)
Feder 基于 JavaScript 构建，咱们只须要筹备好数据的索引文件，就能够实现“向量的可视化”。
除此之外，咱们还提供了 Python 工具包：federpy，能够通过 IPython 生成可视化后果。
相干链接
- Efficient and robust approximate nearest neighbor search using hierarchical navigable small world graphs.：https://arxiv.org/abs/1603.09320
- Linux Foudation AI & Data 顶级毕业我的项目 Milvus：https://github.com/milvus-io/milvus/stargazers
- 囊括寰球近千款 SOTA 模型的 Towhee 社区：https://github.com/towhee-io/towhee
如果你感觉咱们分享的内容还不错，请不要悭吝给咱们一些激励：点赞、喜爱或者分享给你的小伙伴！
流动信息、技术分享和招聘速递请关注：https://zilliz.gitee.io/welcome/
如果你对咱们的我的项目感兴趣请关注：
用于存储向量并创立索引的数据库 Milvus
用于构建模型推理流水线的框架 Towhee