tinyvector

---

특징

• Tiny : 이름이 있습니다. 말 그대로 Axum 서버 일뿐입니다. 약 600 줄의 코드를 사용자 정의하기가 매우 쉽습니다.
• FAST : TinyVector는 중소형 데이터 세트와 약간 더 나은 정확도와 관련하여 고급 벡터 데이터베이스와 비슷한 속도를 가져야 합니다 .
• 수직 스케일 : TinyVector는 빠른 쿼리를 위해 모든 인덱스를 메모리에 저장합니다. 문제없이 최대 1 억+ 벡터 치수를 확장하기가 매우 쉽습니다.
• 오픈 소스 : MIT 라이센스, 영원히 무료.

곧

• 강력한 쿼리 : 검색 속도를 늦추지 않고 제공된 벡터 메타 데이터로 필터링을 허용합니다.
• 통합 모델 : 곧 자신의 벡터를 가져올 필요가 없으며 서버 자동으로 생성하십시오. 지원 지원 Sbert, Hugging Face Models, OpenAi, Cohere 등
• TypeScript/Python 라이브러리 : 포함 된 OpenAPI 스키마를 사용하여 꽤 좋은 클라이언트를 자동 생성 할 수 있어야합니다.

시작하기

? 도커

우리는 당신이 어디에서나 달릴 수있는 가벼운 docker 컨테이너를 제공합니다. 최신 변경 사항으로 일어나고 실행하려면 하나의 명령 만 필요합니다.

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

참고 Docker Compose 또는 Kubernetes를 통해 실행할 때는 끈기를 끈으로 /tinyvector/storage 에 바인딩하십시오. 위의 명령에서 자동으로 처리됩니다.

처음부터 건물

cargo install tinyvector 실행하여 최신 태그 릴리스에서 TinyVector를 구축 할 수 있습니다 (먼저 Rust를 설치해야 함). 그런 다음 tinyvector 실행하여 서버를 시작하십시오.

또한 repo를 복제하고 cargo build --release 실행하여 ./target/release/tinyvector 와 함께 실행하여 최신 커밋에서 구축 할 수 있습니다.

TinyVector를 사용하는 이유는 무엇입니까?

대부분의 벡터 데이터베이스는 간단한 설정을 위해 과잉입니다. 예를 들어:

• 임베딩을 사용하여 문서와 채팅. 대부분의 문서 검색은 HNSW 또는 FAISS로 가속 검색 속도를 정당화하는 데 필요한 곳과 가깝지 않습니다.
• 웹 사이트 또는 상점을 검색합니다. 1,000,000 개의 품목을 판매하지 않으면 Pinecone이 필요하지 않습니다.

? 삽입?

임베딩은 텍스트를 작은 숫자 목록으로 변환하여 인간이 비슷한 것을 비교하는 것과 같은 방식으로 비슷한 것을 비교하는 방법입니다. 비슷한 텍스트 조각은 비슷한 숫자를 가질 것이며, 다른 숫자는 매우 다릅니다.

Openai의 설명을 읽으십시오.

감사의 말

• Will DePue의 Tinyvector (Python+Sqlite+Numpy)는 처음부터 벡터 데이터베이스를 작성하고 이름을 빌려 주도록 영감을주었습니다. 또한 성능을 최적화하기 위해 많은 아이디어를 제공했습니다.

? 특허

이 프로젝트는 MIT 라이센스에 따라 오픈 소스입니다. 자세한 내용은 라이센스 파일을 참조하십시오.