GPU_BRUTE_FORCE

GPU_BRUTE_FORCE索引专为GPU环境设计，适用于对准确性要求极高的场景。它通过将每个查询与数据集中的所有向量进行详尽比较，确保不会忽略任何潜在匹配，从而保证召回率为 1。利用 GPU 加速，GPU_BRUTE_FORCE 适用于要求向量相似性搜索绝对精确的应用。

建立索引

要在 Milvus 中的向量场上建立GPU_BRUTE_FORCE 索引，请使用add_index() 方法，为索引指定index_type 和metric_type 参数。

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
)

在此配置中

• index_type:要建立的索引类型。在本例中，将值设为GPU_BRUTE_FORCE 。

• metric_type:用于计算向量间距离的方法。有关详情，请参阅 "度量类型"。

• params:GPU_BRUTE_FORCE 索引不需要额外参数。

配置好索引参数后，可直接使用create_index() 方法或在create_collection 方法中传递索引参数来创建索引。有关详情，请参阅创建 Collections。

在索引上搜索

建立索引并插入实体后，就可以在索引上执行相似性搜索。

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
)

索引参数

对于GPU_BRUTE_FORCE 索引，在创建索引或搜索过程中都不需要额外参数。