tinyvector

---

特徴

• タイニー：名前が付けられています。文字通り単なる軸サーバーです。約600行のコードをカスタマイズしやすくなります。
• 高速：TinyVectorは、小規模から中程度のデータセットに登場する場合、高度なベクトルデータベースに匹敵する速度を持ち、わずかに優れた精度を発揮する必要があります。
• 垂直スケール：TinyVectorは、高速クエリのためにすべてのインデックスをメモリに保存します。問題なく最大1億以上のベクトル寸法を拡大するのは非常に簡単です。
• オープンソース：MITライセンス、Free Forever。

すぐ

• 強力なクエリ：検索を遅くすることなく、提供されたベクトルメタデータによるフィルタリングを許可します。
• 統合モデル：すぐに独自のベクトルを持参する必要がなく、サーバーの自動化にそれらを生成するだけです。サポートをサポートすることを目指しています。サポート、フェイスモデル、Openai、Cohereなど。
• TypeScript/Pythonライブラリ：含まれているOpenAPIスキーマを使用して、かなり優れたクライアントを自動生成できる必要があります。

はじめる

？ Docker

どこでも実行できる軽量のドッカーコンテナを提供します。最新の変更で起きて実行するには、1つのコマンドのみが必要です。

docker run 
  -p 8000:8000 
  ghcr.io/m1guelpf/tinyvector:edge

注意Docker ComposeまたはKubernetesを介して実行する場合は、 /tinyvector/storageにボリュームをバインドして、持続性を確実にバインドしてください。これは、上記のコマンドで自動的に処理されます。

ゼロから建物

Tinyvectorを実行することにより、最新のタグ付きリリースからTinyVectorを構築できます（最初にRustをcargo install tinyvectorする必要がある場合があります）。次に、 tinyvectorを実行してサーバーを起動します。

また、リポジトリのクローニングとcargo build --releaseを実行することで、最新のコミットから構築し、 ./target/release/tinyvector target/release/tinyvectorで実行することもできます。

なぜtinyvectorを使用するのですか？

ほとんどのベクトルデータベースは、簡単なセットアップのために過剰になります。例えば：

• 埋め込みを使用してドキュメントとチャットします。ほとんどのドキュメント検索は、HNSWまたはFAISSで検索速度の加速を正当化するために必要なものに近いものではありません。
• あなたのウェブサイトまたはストアを検索します。 1,000,000個のアイテムを販売していない限り、Pineconeは必要ありません。

？埋め込み？

埋め込みは、テキストを小さな数字のリストに変換することにより、同様のことを比較するのと同じように、同様のことを比較する方法です。同様のテキストには同様の数字があり、異なる数字は非常に異なる数字を持っています。

Openaiの説明を読んでください。

謝辞

• DepueのTinyVector（Python+SQLite+Numpy）は、ゼロからベクトルデータベースを構築する（および名前を借りる）に触発されました。また、パフォーマンスを最適化するために多くのアイデアを提供しました。

？ライセンス

このプロジェクトは、MITライセンスに基づいてオープンソースされています。詳細については、ライセンスファイルを参照してください。