MorphingDB下載MorphingDB源代碼下載

MorphingDB

其他源碼

1.0.0

下載

morphingdb擴展

MorphingDB是用於支持數據庫和矢量存儲中深度學習模型推斷的後Ql擴展。
MorphingDB允許用戶導入Libtorch模型並使用數據庫中的數據進行推斷。
MorphingDB允許用戶使用維數信息存儲向量數據，從而使Libtorch可以直接與數據庫中的矢量數據一起工作，用戶可以將預處理的數據存儲到數據庫中的向量中以加快推斷。
MorphingDB支持以模型為中心和以任務為中心的推斷。

快速開始

下載拉鍊到mophingdb項目路徑

解壓縮模型

unzip models.zip -d ./model/

使用Docker Hub的Docker圖像

sudo docker pull morphingdb/morphingdb:1.0

或構建Docker圖像

sudo docker build -t morphingdb .

創建Docker Contanier

 # abs_morphingdb_test_dir is the absolute path of the morphingdb project directory from https://github.com/MorphingDB/Morphingdb_test/
sudo docker run -d 
--name MorphingDB_test 
-e POSTGRES_PASSWORD=123456 
-v [abs_morphingdb_test_dir]:[abs_morphingdb_test_dir]
-v [data_dir]:/var/lib/postgresql/data
-p [port]:5432 
morphingdb

輸入Docker

sudo docker exec -it [contanier id] /bin/bash

連接到服務器

psql -p 5432 -d postgres -U postgres -h localhost

啟用擴展

CREATE EXTENSION pgdl;

如何使用

創建模型

 SELECT create_model(model_name, model_path, base_model, model description);

編寫前後的過程

您需要為SRC/external_process中創建的模型編寫相應的輸入和輸出處理程序，然後重建擴展名，進行安裝。

註冊過程

 SELECT register_process();

運行預測功能

 SELECT predict_float([model_name], [ ' cpu ' / ' gpu ' ], [variable_input_column]) from [table];
SELECT predict_text([model_name], [ ' cpu ' / ' gpu ' ], [variable_input_column]) from [table];

批處理預測加速度

使用窗口函數來加快窗口尺寸可變的預測。

 SELECT comment,predict_batch_text([model_name], [ ' cpu ' / ' gpu ' ], [variable_input_column]) over (rows between current row and [window_size] following)
AS result 
FROM [table];

SELECT comment,predict_batch_float8([model_name], [ ' cpu ' / ' gpu ' ], [variable_input_column]) over (rows between current row and [window_size] following)
AS result
FROM [table];

以任務為中心

 SELECT image_classification( < column_name > ) as task_result
FROM < table_name >
WHERE < conditions > ;

表

導入模型後，用戶可以通過model_info表查看模型信息。

 SELECT * from model_info;

向量商店

MorphingDB支持矢量存儲，包括存儲向量維度信息。在MorphingDB中，向量類型為MVEC。

使用MVEC創建表

 create table vec_test (id integer , vec mvec);

插入矢量

 insert into vec_test values ( 1 , ' [1.0,2.2,3.123,4.2]{4} ' );
insert into vec_test values ( 1 , ' [1.0,2.2,3.123,4.2] ' );
insert into vec_test values ( 1 , ' [1.0,2.2,3.123,4.2]{2,2} ' );
insert into vec_test values ( 1 , ARRAY[ 1 . 0 , 2 . 0 , 3 . 0 , 1 . 2345 ]::float4[]::mvec);

獲取向量數據和形狀

 select get_mvec_shape(vec) from vec_test;
select get_mvec_data(vec) from vec_test;

向量操作

 update vec_test set vec = vec + vec;
update vec_test set vec = vec - text_to_mvec( ' [1,2,3,4] ' );

select * from vec_test where vec == ' [1,2.2,3.123,4.2] ' ;