aquila

Aquila DB

ใช้เครื่องมือค้นหาประสาทง่าย

Aquila DB เป็นเครื่องมือค้นหาประสาท กล่าวอีกนัยหนึ่งมันเป็นฐานข้อมูลในการจัดทำดัชนี เวกเตอร์แฝง ที่สร้างขึ้นโดยโมเดล ML พร้อมกับ ข้อมูลเมตา JSON เพื่อทำการดึง K-NN มันเป็นเรื่องง่ายที่จะตั้งค่าการตั้งค่าภาษาและวางนอกเหนือจากแอปพลิเคชันการเรียนรู้ของเครื่องของคุณ Aquila DB ซึ่งเป็นคุณสมบัติปัจจุบันเป็นทางออกที่พร้อมสำหรับวิศวกรการเรียนรู้ของเครื่องและนักวิทยาศาสตร์ด้านข้อมูลเพื่อสร้างแอปพลิเคชัน การดึงข้อมูลระบบประสาท ออกจากกล่องด้วยการพึ่งพาน้อยที่สุด

โครงการนี้ยังคงอยู่ในรุ่นอัลฟ่าและเราใช้งานอยู่ในการผลิตเพื่อค้นหาความหมายแบบความหมายที่ https://aquila.network

ต้องการสนับสนุนโครงการนี้หรือไม่? ใช่เราชอบที่จะได้รับ ดาว และ ตะโกนออกมา ?

เข้าร่วมการแชทชุมชนและรับการสนับสนุน:

นี่คือใครสำหรับ

• หากคุณกำลังทำงานในโครงการวิทยาศาสตร์ข้อมูลและจำเป็นต้องจัดเก็บข้อมูลจำนวนมากและดึงข้อมูลที่คล้ายกันโดยใช้เวกเตอร์คุณลักษณะบางอย่างนี่จะเป็นเครื่องมือที่มีประโยชน์สำหรับคุณพร้อมกับประโยชน์เพิ่มเติมตามความต้องการของเว็บแอปพลิเคชันโลกแห่งความจริง
• คุณกำลังจัดการกับภาพและข้อมูลเมตาที่เกี่ยวข้องมากมายหรือไม่? ต้องการค้นหาสิ่งที่คล้ายกัน? คุณอยู่ในสถานที่ที่เหมาะสม
• หากคุณกำลังมองหาฐานข้อมูลเอกสารนี่ไม่ใช่สถานที่ที่เหมาะสมสำหรับคุณ

เทคโนโลยี

คุณสมบัติการค้นหา Aquila DB Powers ของ Aquila Network นี่คือที่ที่ Aquila DB เหมาะกับระบบนิเวศทั้งหมด:

หากคุณจริงจังและอยากจะดำดิ่งลงไปในหลุมกระต่ายให้อ่าน Whitepapers และ ข้อกำหนดทางเทคนิค ของเรา (ทำงานอย่างแข็งขัน)

ในฐานะที่เป็นบันทึกด้านข้าง ทุกอย่างใน เครือข่าย Aquila ถูกกำหนดโดยข้อกำหนดและความพยายามของเราจำนวนมาก นอกจากนี้เรายังคงรักษาคุณภาพของข้อกำหนดเหล่านั้นไว้กับผู้ใช้ที่ไม่ใช่ด้านเทคนิค นี่คือเพื่อให้แน่ใจว่า - เครือข่าย Aquila เปิดอย่างเต็มที่กระจายอำนาจโดยการออกแบบและยุติธรรม คุณสามารถทำตามข้อกำหนดเหล่านั้นเพื่อใช้ซอฟต์แวร์ทางเลือกของคุณและยังคงโต้ตอบกับเครือข่ายโดยไม่มีข้อ จำกัด ใด ๆ

ติดตั้ง

เดเบียน

เรียกใช้ curl -s -L https://raw.githubusercontent.com/Aquila-Network/AquilaDB/master/install.sh | /bin/bash -s -- -d 1

นักเทียบท่า

คุณต้องติดตั้ง Docker ในระบบของคุณ

สร้างภาพ (lite): docker build https://raw.githubusercontent.com/Aquila-Network/AquilaDB/master/Dockerfile -t aquiladb:local

สร้างภาพ (ข้อมูลขนาดใหญ่): docker build https://raw.githubusercontent.com/Aquila-Network/AquilaDB/master/DockerfileBig -t aquiladb:localbg

เรียกใช้ภาพ (เพื่อปรับใช้ Aquila DB Lite): docker run -p 5001:5001 -d aquiladb:local

Run Image (เพื่อปรับใช้ Aquila DB Big): docker run -p 5001:5001 -d aquiladb:localbg

ลูกค้า SDKS

ขณะนี้เรามีไลบรารีลูกค้าหลายรายที่กำลังดำเนินการเพื่อสรุปการสื่อสารระหว่างการปรับใช้ Aquila DB และแอปพลิเคชันของคุณ

งูหลาม

โหนด JS

สถานที่รับคีย์ส่วนตัว (คีย์กระเป๋าเงิน) สำหรับการตรวจสอบลูกค้า

เมื่อคุณใช้ไลบรารีไคลเอ็นต์เพื่อตรวจสอบสิทธิ์กับ Aquiladb คุณอาจต้องเข้าถึงคีย์ส่วนตัว (คีย์กระเป๋าเงิน) ที่ใช้โดย Aquiladb คีย์นี้อยู่ภายใน /ossl/ ไดเรกทอรีภายในคอนเทนเนอร์ Aquiladb Docker (ในคอมพิวเตอร์ของคุณหากคุณติดตั้ง Aquiladb โดยตรงโดยไม่ต้อง Docker) หากต้องการเข้าถึงกุญแจภายในคอนเทนเนอร์ Aquiladb ของคุณให้ทำตามขั้นตอนด้านล่าง:

• ระบุ CONTAINER ID สำหรับอินสแตนซ์ aquiladb Docker ที่กำลังทำงานอยู่แล้ว: docker ps
• นำสำเนาของคีย์ส่วนตัวจากคอนเทนเนอร์ Docker ไปยัง Host Machine ของคุณ: docker cp CONTAINER_ID:/ossl/ ./
• ตอนนี้คุณจะเห็นไดเรกทอรีใหม่ชื่อ ossl ที่ตำแหน่งปัจจุบันของคุณ ใช้กุญแจภายใน

เคล็ดลับสำหรับผู้ใช้ขั้นสูง

หากไปป์ไลน์ของคุณต้องการคีย์ส่วนตัวที่จะสร้างขึ้นล่วงหน้าคุณสามารถทำได้ในเครื่องโฮสต์ของคุณจากนั้นติดตั้งไว้กับไดเรกทอรี /ossl/ ของคอนเทนเนอร์

วิ่ง:

 mkdir -p <host>/ossl/
openssl genrsa -passout pass:1234 -des3 -out <host>/ossl/private.pem 2048
openssl rsa -passin pass:1234 -in <host>/ossl/private.pem -outform PEM -pubout -out <host>/ossl/public.pem
openssl rsa -passin pass:1234 -in <host>/ossl/private.pem -out <host>/ossl/private_unencrypted.pem -outform PEM

ความคืบหน้า

โครงการนี้ยังคงอยู่และจะอยู่ระหว่างการพัฒนาที่ใช้งานอยู่กับการผลิตระดับกลาง มันสามารถใช้เป็นฐานข้อมูลแบบสแตนด์อโลนหรือเป็นโหนดที่เข้าร่วมในเครือข่าย Aquila โปรดทราบว่าพอร์ต Aquila (เลเยอร์เครือข่ายเพียร์เพียร์สำหรับโหนด Aquila DB) ยังเป็นงานที่กำลังดำเนินการ ขณะนี้คุณต้องปรับใช้โมเดลที่กำหนดเองของคุณเพื่อป้อนการฝังเวกเตอร์เวกเตอร์ไปยัง Aquila DB จนกระทั่งการพัฒนาฮับ Aquila เริ่มต้นขึ้น

มีส่วนช่วย

เราได้จัดทำเอกสารเพื่อให้ทุกคนสนใจที่จะมีส่วนร่วมเริ่มต้นทันทีด้วย Aquila DB นี่คือแผนงานระดับสูงของเรา

เรียนรู้

เราได้เริ่มพบกับนักพัฒนาและพูดคุยเล็ก ๆ น้อย ๆ เกี่ยวกับ Aquila DB นี่คือสไลด์ที่เราใช้ในโอกาสเหล่านั้น: http://bit.ly/aquiladb-slides

วิดีโอ:

ในขณะที่คุณลักษณะการเปิดตัว Aquiladb ปัจจุบันคุณสามารถสร้างแอปพลิเคชัน การดึงข้อมูลระบบประสาท ออกจากกล่องโดยไม่ต้องพึ่งพาภายนอก นี่คือลิงค์ที่มีประโยชน์บางอย่างในการเรียนรู้เพิ่มเติมเกี่ยวกับมันและเริ่มสร้าง:

• Microsoft เผยแพร่วิดีโอกระดาษและ YouTube เกี่ยวกับเรื่องนี้เพื่อให้ทุกคนสนใจ:
  • กระดาษ: https://www.microsoft.com/en-us/research/uploads/prod/2017/06/inr-061-mitra-neuralir-intro.pdf
  • วิดีโอ: https://www.youtube.com/watch?v=G1PGO5YTIKG
• EMBEDDINGS สำหรับทุกสิ่ง: ค้นหาในยุคเครือข่ายประสาท: https://www.youtube.com/watch?v=JGHVJXP9NHW
• Autoencoders เป็นอัลกอริทึมการเรียนรู้อย่างลึกซึ้งที่จะช่วยให้คุณสร้างเวกเตอร์ความหมาย - รากฐานสำหรับการดึงข้อมูลระบบประสาท นี่คือลิงค์บางส่วนไปยัง IR ที่ใช้อัตโนมัติ:
  • ไปที่บทที่ 15 ในลิงค์นี้: https://www.cs.toronto.edu/~hinton/coursera_lectures.html
  • https://www.coursera.org/lecture/ml-foundations/examples-of-document-retrieval-in-action-cw25h
  • https://www.coursera.org/lecture/intro-to-deep-learning/autoencoders-101-qqboa
• โปรดทราบว่าแนวคิดของการดึงข้อมูลไม่เพียงใช้กับข้อมูลข้อความ แต่สำหรับข้อมูลใด ๆ สิ่งที่คุณต้องทำคือเข้ารหัสแหล่งข้อมูลใด ๆ ไปยังเวกเตอร์หนาแน่นพร้อมเครือข่ายประสาทลึก

ผู้สนับสนุนของเรา

ส่งอีเมลถึงเราเพื่อสนับสนุนโครงการนี้ [email protected]

อ้างถึง Aquila DB

ถ้าคุณใช้ Aquila DB ในบทความวิชาการเราจะ? ที่จะอ้างถึง นี่คือสองวิธีในการอ้างถึง Aquila DB:

 footnote{https://github.com/Aquila-Network/AquilaDB}

 @misc{AquilaNetwork2019AquilaDB,
  title={AquilaDB: Neural Search Engine},
  author={Jubin Jose, Nibin Peter},
  howpublished={url{https://github.com/Aquila-Network/AquilaDB}},
  year={2019}
}

ใบอนุญาต

Apache License 2.0 ไฟล์ใบอนุญาต

สร้างโดย❤ด้วย A-MMA (A_ മ്മ)