• Über Milvus
  • Los geht's
  • Konzepte
  • Benutzerhandbuch
  • Datenimport
  • AI-Tools
  • Leitfaden für die Verwaltung
  • Werkzeuge
  • Integrationen
  • Anleitungen
  • FAQs
  • API Reference

GPU_BRUTE_FORCE

Der GPU_BRUTE_FORCE-Index wurde speziell für GPU-Umgebungen entwickelt und eignet sich für Szenarien, in denen es auf kompromisslose Genauigkeit ankommt. Er garantiert einen Recall von 1, indem er jede Abfrage mit allen Vektoren im Datensatz vergleicht und so sicherstellt, dass keine potenzielle Übereinstimmung übersehen wird. Durch die Nutzung der GPU-Beschleunigung eignet sich GPU_BRUTE_FORCE für Anwendungen, die absolute Präzision bei der Suche nach Vektorähnlichkeit erfordern.

Index erstellen

Um einen GPU_BRUTE_FORCE -Index für ein Vektorfeld in Milvus zu erstellen, verwenden Sie die Methode add_index() und geben Sie die Parameter index_type und metric_type für den Index an.

from pymilvus import MilvusClient

# Prepare index building params
index_params = MilvusClient.prepare_index_params()

index_params.add_index(
    field_name="your_vector_field_name", # Name of the vector field to be indexed
    index_type="GPU_BRUTE_FORCE", # Type of the index to create
    index_name="vector_index", # Name of the index to create
    metric_type="L2", # Metric type used to measure similarity
    params={} # No additional parameters required for GPU_BRUTE_FORCE
)

In dieser Konfiguration:

  • index_type: Der Typ des zu erstellenden Index. In diesem Beispiel setzen Sie den Wert auf GPU_BRUTE_FORCE.

  • metric_type: Die Methode zur Berechnung des Abstands zwischen Vektoren. Einzelheiten finden Sie unter Metrische Typen.

  • params: Für den GPU_BRUTE_FORCE-Index sind keine zusätzlichen Parameter erforderlich.

Sobald die Index-Parameter konfiguriert sind, können Sie den Index erstellen, indem Sie die Methode create_index() direkt verwenden oder die Index-Parameter in der Methode create_collection übergeben. Details finden Sie unter Create Collection.

Suche im Index

Sobald der Index erstellt und die Entitäten eingefügt sind, können Sie Ähnlichkeitssuchen im Index durchführen.

res = MilvusClient.search(
    collection_name="your_collection_name", # Collection name
    anns_field="vector_field", # Vector field name
    data=[[0.1, 0.2, 0.3, 0.4, 0.5]],  # Query vector
    limit=3,  # TopK results to return
    search_params={"params": {}}  # No additional parameters required for GPU_BRUTE_FORCE
)

Index-Parameter

Für den GPU_BRUTE_FORCE Index werden keine zusätzlichen Parameter benötigt, weder während der Indexerstellung noch während des Suchprozesses.

Try Managed Milvus for Free

Zilliz Cloud is hassle-free, powered by Milvus and 10x faster.

Get Started
Feedback

War diese Seite hilfreich?