本文主要是介绍【Faiss】indexes 前(后)处理（五），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
Pre and post processing
在某些情形下，需要对Index做前处理或后处理。
ID映射
默认情况下，faiss会为每个输入的向量记录一个次序id，在使用中也可以为向量指定任意我们需要的id。
部分index类型有add_with_ids方法，可以为每个向量对应一个64-bit的id，搜索的时候返回这个指定的id。
#导入faiss
import sys
sys.path.append('/home/maliqi/faiss/python/')
import faiss
import numpy as np #获取数据和Id
d = 512
n_data = 2000
data = np.random.rand(n_data, d).astype('float32')
ids = np.arange(100000, 102000) #id设定为6位数整数
nlist = 10
quantizer = faiss.IndexFlatIP(d)
index = faiss.IndexIVFFlat(quantizer, d, nlist, faiss.METRIC_L2)
index.train(data)
index.add_with_ids(data, ids)
d, i = index.search(data[:5], 5)
print(i) #返回的id应该是我们自己设定的[[100000 100383 101007 101444 100729][100001 100880 101693 100004 100964][100002 101113 101998 101017 101768][100003 100694 101701 101608 100831][100004 100111 100564 100541 100513]]
但是对有些Index类型，并不支持add_with_ids，因此需要与其他Index类型结合，将默认的id映射到指定id，用IndexIDMap类实现。
指定的ids不能是字符串，只能是整数。
index = faiss.IndexFlatL2(data.shape[1])
index.add_with_ids(data, ids) #报错--------------------------------------------------------------------------- RuntimeError Traceback (most recent call last) <ipython-input-5-4de928a09ab9> in <module>()1 index = faiss.IndexFlatL2(data.shape[1]) ----> 2 index.add_with_ids(data, ids)/home/maliqi/faiss/python/faiss/__init__.py in replacement_add_with_ids(self, x, ids)104 assert d == self.d105 assert ids.shape == (n, ), 'not same nb of vectors as ids' --> 106 self.add_with_ids_c(n, swig_ptr(x), swig_ptr(ids))107 108 def replacement_assign(self, x, k):/home/maliqi/faiss/python/faiss/swigfaiss.py in add_with_ids(self, n, x, xids)1316 1317 def add_with_ids(self, n, x, xids): -> 1318 return _swigfaiss.Index_add_with_ids(self, n, x, xids)1319 1320 def search(self, n, x, k, distances, labels):RuntimeError: Error in virtual void faiss::Index::add_with_ids(faiss::Index::idx_t, const float*, const long int*) at Index.cpp:46: add_with_ids not implemented for this type of index
index2 = faiss.IndexIDMap(index)
index2.add_with_ids(data, ids) #将index的id映射到index2的id,会维持一个映射表数据转换
有些时候需要在索引之前转换数据。转换类继承了VectorTransform类，将输入向量转换为输出向量。
1)随机旋转,类名RandomRotationMatri,用以均衡向量中的元素，一般在IndexPQ和IndexLSH之前；
2）PCA,类名PCAMatrix，降维；
3）改变维度，类名RemapDimensionsTransform，可以升高或降低向量维数
举例：PCA降维（通过IndexPreTransform）
输入向量是2048维，需要减少到16byte。
data = np.random.rand(n_data, 2048).astype('float32')
# the IndexIVFPQ will be in 256D not 2048
coarse_quantizer = faiss.IndexFlatL2 (256)
sub_index = faiss.IndexIVFPQ (coarse_quantizer, 256, 16, 16, 8)
# PCA 2048->256
# 降维后随机旋转 (第四个参数)
pca_matrix = faiss.PCAMatrix (2048, 256, 0, True) #- the wrapping index
index = faiss.IndexPreTransform (pca_matrix, sub_index)# will also train the PCA
index.train(data) #数据需要是2048维
# PCA will be applied prior to addition
index.add(data)举例：升维
有时候需要在向量中插入0升高维度，一般是我们需要 1）d是4的整数倍，有利于举例计算； 2）d是M的整数倍。
d = 512
M = 8 #M是在维度方向上分割的子空间个数
d2 = int((d + M - 1) / M) * M
remapper = faiss.RemapDimensionsTransform (d, d2, True)
index_pq = faiss.IndexPQ(d2, M, 8)
index = faiss.IndexPreTransform (remapper, index_pq) #后续可以添加数据/索引对搜索结果重新排序
当查询向量时，可以用真实距离值对结果进行重新排序。
在下面的例子中，搜索阶段会首先选取4*10个结果，然后对这些结果计算真实距离值，再从中选取10个结果返回。IndexRefineFlat保存了全部的向量信息，内存开销不容小觑。
data = np.random.rand(n_data, d).astype('float32')
nbits_per_index = 4
q = faiss.IndexPQ (d, M, nbits_per_index)
rq = faiss.IndexRefineFlat (q)
rq.train (data)
rq.add (data)
rq.k_factor = 4
dis, ind = rq.search (data[:5], 10)
print(ind)[[ 0 434 1647 1501 867 658 822 1164 490 1430][ 1 1035 369 392 866 1645 1961 1469 1946 175][ 2 466 1183 403 427 505 394 759 633 746][ 3 1668 1798 1293 965 1484 755 315 1633 1453][ 4 309 715 1204 996 239 1381 48 707 1311]]
综合多个index返回的结果
当数据集分布在多个index中，需要在每个index中都执行搜索，然后使用IndexShards综合得到结果。同样也适用于index分布在不同的GPU的情况。
这篇关于【Faiss】indexes 前(后)处理（五）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
