最近Facebook AI实验室开源了相似性搜索库Faiss。
Faiss是用于有效的相似性搜索（similarity search）和稠密矢量聚类（clustering of dense vectors）的库。它包含了可在任何大小向量集合里进行搜索的算法，向量集合的大小甚至可达到RAM容纳不下的地步。另外，它还包含了用于评估和参数调优的支持代码。Faiss用C++编写，有Python/numpy的完整包装。其中最有用的一些算法则在GPU上实现。
机器上没有安装HomeBrew的，请参考让Mac也能拥有apt-get类似的功能——Brew。
下面，我们介绍一下如何在macOS Sierra (10.12.3)上编译Faiss。
1.下载Faiss源代码
|
1 |
$ git clone https://github.com/facebookresearch/faiss.git |
2.安装编译需要的工具
|
1 |
$ brew install llvm |
3.修改调整源代码，准备编译
|
1 2 |
$ cd faiss $ cp example_makefiles/makefile.inc.Mac.brew makefile.inc |
4.编译
|
1 |
$ make all |
5.执行测试用例
|
1 2 3 4 |
#需要手工指定动态库的搜索路径，否则会提示“dyld: Library not loaded: @rpath/libomp.dylib”，导致进程无法启动 $ export DYLD_LIBRARY_PATH=$DYLD_LIBRARY_PATH:/usr/local/opt/llvm/lib/ $ ./tests/demo_ivfpq_indexing |
其余的示例，参考源代码中的INSTALL文件中的内容即可。
