Chapitre 3. Recherchepar similarité avec FAISS
Cet ouvrage a été traduit à l'aide de l'IA. Tes réactions et tes commentaires sont les bienvenus : translation-feedback@oreilly.com
FAISS, ou Facebook AI Similarity Search, est une bibliothèque open source développée chez Meta (anciennement Facebook) pour effectuer efficacement des recherches par similarité et le regroupement de vecteurs denses. Son évolution reflète le besoin croissant de Meta en solutions évolutives pour gérer les ensembles de données massifs qui alimentent ses recommandations personnalisées, le filtrage de contenu et ses fonctionnalités de recherche d'images et de vidéos.
Ce chapitre s'adresse aux développeurs à l'aise avec les bases mathématiques et intéressés par les rouages de la recherche vectorielle. Tu peux le parcourir rapidement si ton intérêt principal réside dans la création d'applications plutôt que dans l'écriture de ta propre base de données vectorielle. Si tu souhaites t'essayer à la création de ta propre base de données vectorielle, FAISS est un excellent point de départ. C'est à la fois un moteur de recherche par similarité robuste prêt à l'emploi et une boîte à outils puissante et flexible pour créer une base de données vectorielle et un moteur de recherche par similarité personnalisés. Tu le trouveras également utile pour étendre les capacités de sqlite-vss, l’extension de recherche vectorielle pour SQLite3, que nous explorerons en détail dans le chapitre suivant. Pour l’instant, retiens simplement ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access