IVFSP

python3 ivfsp_generate_model.py --cores <core_num> -d <dim> -nonzero_num <low_dim> -nlist <k> -handle_batch <nprobe> -code_num <code_num> -p <process_id>

<core_num>：AI Core的个数，默认值为“8”，无需设置。

<dim>：特征向量维度，默认值为“256”。

<low_dim>：特征向量压缩后非零维度个数，默认值为“32”。

<k>：簇聚类中心个数。与IVFSP训练算子模型文件生成中的<k>保持一致，默认值为“1024”。

<nprobe>：检索时每次下发计算时的候选桶数量，默认值为“32”。

<code_num>：检索时每次下发计算时的每个桶的最大样本数量，若桶太大，程序会自动根据code_num将桶拆成多次算子下发计算距离。与IVFSP训练算子模型文件生成中的<codebook_batch_size>保持一致，默认值为“32768”。

<process_id>：批量生成算子多进程调度的进程ID，默认值为“0”，无需设置。

--help | -h：查询帮助信息。

执行此命令，用户可以得到一组用于IVFSP检索时的AI Core算子模型文件，用户需要自行修改命令中参数。

• dim ∈ {64, 128, 256}。
• low_dim是16的倍数且小于dim。
• k∈ {256, 512, 1024, 2048, 4096, 8192, 16384}。
• nprobe需为16的倍数，且小于等于k。

python3 ivfsp_aicpu_generate_model.py --cores <core_num> -p <process_id>

<core_num>：AI Core的个数，默认值为“8”，无需设置。

<process_id>：批量生成算子多进程调度的进程ID，默认值为“0”，无需设置。

--help | -h：查询帮助信息。

执行此命令，用户可以得到一组用于IVFSP检索时的AI CPU算子模型文件。

python3 ivfsp_generate_pyacl_model.py --cores <core_num> -d <dim> -nonzero_num <low_dim> -nlist <k> -batch_size <batch_size> -code_num <codebook_batch_size> -p <process_id>

<core_num>：AI Core的个数，默认值为“8”，无需设置。

<dim>：特征向量维度，默认值为“256”。

<low dim>：特征向量压缩后非零维度个数，默认值为“32”。

<k>：簇聚类中心个数。与IVFSP业务算子模型文件生成中的<k>保持一致，默认值为“1024”。

<batch_size>：训练时以batch_size大小执行训练，默认值为“32768”。

<codebook_batch_size>：训练时每次最大按codebook_batch_size样本数量操作码本，必须为2的幂次。与IVFSP业务算子模型文件生成中的<code_num>保持一致，默认值为“32768”。

<process_id>：批量生成算子多进程调度的进程ID，默认值为“0”，无需设置。

--help | -h：查询帮助信息。

执行此命令，用户可以得到一组用于IVFSP检索时的算子模型文件，用户需要自行修改命令中参数。生成的IVFSP训练算子模型文件，保存在当前目录的子目录op_models_pyacl下。

• dim ∈ {64, 128, 256}。
• low_dim需为16的倍数且小于dim。
• ck∈ {256, 512, 1024, 2048, 4096, 8192, 16384}。
• batch_size需为16的倍数。
• codebook_batch_size需为16的倍数。