近似检索

近似检索算法介绍

算法（API参考）	算法使用场景	需要生成的算子	样例链接
AscendIndexIVFSP	特征类型：FP32 特征维度：64, 128, 256 距离类型：L2 计算精度：中 Device内存占用：低（压缩特征）适应场景：适用于亿级底库（大库容），对性能要求较高，对精度损失有容忍的近似检索场景。仅支持Atlas 推理系列产品	IVFSP业务算子 IVFSP AICPU算子 IVFSP训练算子（仅在需要通过训练生成码本文件时才使用到）请参见IVFSP。	链接
AscendIndexIVFSQ	特征类型：FP32 特征维度：64, 128, 256, 384, 512 距离类型：L2和IP 计算精度：中 Device内存占用：较低（量化为int8）适应场景：IVFSQ算法作为性能-精度调节器，适用于对精度损失有容忍，但是对性能要求比较高的场景。	IVFSQ8 AICPU FlatAT（仅在参数useKmeansPP设置为true的时候需要生成FlatAT算子）	链接
AscendIndexIVFSQT	特征类型：FP32 特征维度：256 距离类型：IP 计算精度：中 Device内存占用：低（量化和降维）适应场景：AscendIndexIVFSQT包含降维算法的三级检索IVFSQ算法，适用于亿级底库（大库容），对性能要求较高，对精度损失有容忍的近似检索场景。	IVFSQT FlatAT AICPU FlatInt8AT（在Atlas 推理系列产品上时需要生成）	链接
AscendIndexBinaryFlat	特征类型：uint8二值化特征特征维度：256, 512, 1024 距离类型：Hamming和IP 计算精度：高 Device内存占用：低适应场景：AscendIndexBinaryFlat类继承自faiss的IndexBinary类，用于二值化特征检索。对于对内存占用要求较低，性能要求较高的场景。仅支持Atlas 推理系列产品。	BinaryFlat AICPU	链接
AscendIndexVStar	特征类型：FP32 特征维度：128, 256, 512, 1024 距离类型：L2 计算精度：中 Device内存占用：低（压缩特征）适应场景：适用于千万级底库（大库容），对性能要求较高，对精度损失有容忍的近似检索场景。仅支持Atlas 推理系列产品。	VStar业务算子 VStar AICPU算子 VStar训练算子（仅在需要通过训练生成码本文件时才使用到）请参见VSTAR。	链接
AscendIndexGreat	特征类型：FP32 特征维度：128, 256, 512, 1024 距离类型：L2 计算精度：中 Device内存占用：低（压缩特征）适应场景：适用于千万级底库（大库容），对性能要求较高，对精度损失有容忍的近似检索场景。仅支持Atlas 推理系列产品。	（当mode为“AKMode”时，才需要生成算子） VStar业务算子 VStar AICPU算子 VStar训练算子（仅在需要通过训练生成码本文件时才使用到）请参见VSTAR。	链接

父主题： 算法介绍