หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

คุณสมบัติ

  • Tiny : มันอยู่ในชื่อ เป็นเพียงเซิร์ฟเวอร์ Axum ง่ายมากในการปรับแต่งรหัสประมาณ 600 บรรทัด
  • FAST : TinyVector ควร มีความเร็วเทียบเท่ากับฐานข้อมูลเวกเตอร์ขั้นสูงเมื่อมันมาในชุดข้อมูลขนาดเล็กถึงขนาดกลางและความแม่นยำที่ดีขึ้นเล็กน้อย
  • เครื่องชั่งในแนวตั้ง : TinyVector เก็บดัชนีทั้งหมดไว้ในหน่วยความจำสำหรับการสืบค้นที่รวดเร็ว ง่ายมากที่จะขยายขนาดมากถึง 100 ล้าน+ มิติเวกเตอร์โดยไม่มีปัญหา
  • โอเพ่นซอร์ส : MIT ได้รับใบอนุญาตฟรีตลอดไป

เร็วๆ นี้

  • แบบสอบถามที่ทรงพลัง : อนุญาตให้กรองโดยเมตาดาต้าเวกเตอร์ที่ให้ไว้โดยไม่ทำให้การค้นหาช้าลง
  • โมเดลแบบรวม : เร็ว ๆ นี้คุณจะไม่ต้องนำเวกเตอร์ของคุณเองเพียงสร้างมันบนเซิร์ฟเวอร์อัตโนมัติ มุ่งหวังที่จะสนับสนุนการสนับสนุน Sbert, Hugging Face Models, Openai, Cohere, ฯลฯ
  • ไลบรารี TypeScript/Python : ควรจะสามารถสร้างลูกค้าที่ดีโดยอัตโนมัติโดยใช้ schema openapi ที่ให้มาโดยอัตโนมัติ

เริ่มต้น

- นักเทียบท่า

เราให้บริการคอนเทนเนอร์ Docker ที่มีน้ำหนักเบาที่คุณสามารถเรียกใช้ได้ทุกที่ ใช้เวลาเพียงคำสั่งเดียวในการดำเนินการและทำงานกับการเปลี่ยนแปลงล่าสุด: 

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

หมายเหตุ เมื่อทำงานผ่าน Docker Compose หรือ Kubernetes ตรวจสอบให้แน่ใจว่าได้ผูกระดับเสียงกับ /tinyvector/storage เพื่อการคงอยู่ นี่คือการจัดการโดยอัตโนมัติในคำสั่งด้านบน

อาคารจากศูนย์

คุณสามารถสร้าง TinyVector ได้จากการติดแท็กล่าสุดโดยใช้ cargo install tinyvector (คุณอาจต้องติดตั้ง Rust ก่อน) จากนั้นเรียกใช้ tinyvector เพื่อเริ่มต้นเซิร์ฟเวอร์

นอกจากนี้คุณยังสามารถสร้างมันได้จากการกระทำล่าสุดโดยการโคลนนิ่ง repo และเรียกใช้ cargo build --release และเรียกใช้ด้วย ./target/release/tinyvector target/Release/TinyVector

ทำไมต้องใช้ TinyVector?

ฐานข้อมูลเวกเตอร์ส่วนใหญ่มีค่าใช้จ่ายมากเกินไปสำหรับการตั้งค่าอย่างง่าย ตัวอย่างเช่น:

  • ใช้ EMBEDDINGS เพื่อแชทกับเอกสารของคุณ การค้นหาเอกสารส่วนใหญ่ไม่มีที่ไหนใกล้เคียงกับสิ่งที่คุณต้องการเพื่อปรับความเร็วการค้นหาด้วย HNSW หรือ FAISS
  • ค้นหาเว็บไซต์หรือร้านค้าของคุณ หากคุณไม่ได้ขาย 1,000,000 รายการคุณไม่จำเป็นต้องใช้ Pinecone

- ฝังตัว?

Embeddings เป็นวิธีการเปรียบเทียบสิ่งที่คล้ายกันในทำนองเดียวกันมนุษย์เปรียบเทียบสิ่งที่คล้ายกันโดยการแปลงข้อความเป็นรายการตัวเลขเล็ก ๆ ข้อความที่คล้ายกันจะมีตัวเลขที่คล้ายกันข้อความที่แตกต่างกันมีตัวเลขที่แตกต่างกันมาก

อ่านคำอธิบายของ Openai

กิตติกรรมประกาศ

  • TinyVector ของ DePue (Python+Sqlite+Numpy) เป็นแรงบันดาลใจให้ฉันสร้างฐานข้อมูลเวกเตอร์ตั้งแต่เริ่มต้น (และยืมชื่อ) จะมีส่วนร่วมในแนวคิดมากมายในการเพิ่มประสิทธิภาพการทำงาน

- ใบอนุญาต

โครงการนี้เปิดโล่งภายใต้ใบอนุญาต MIT ดูไฟล์ใบอนุญาตสำหรับข้อมูลเพิ่มเติม

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด