VSTAR

python3 vstar_generate_models.py --dim <dim> --nlistL1 <nlist1> --subDimL1 <sub_dim1> --nProbeL1 <nprobe1> --nProbeL2 <nprobe2> --segmentNumL3 <segment> --pool <pool_size>

<dim>：特征向量维度，默认值为“256”。

<nlist1>：一级簇聚类中心个数。默认值为“1024”。

<nprobe1>：检索时每次下发计算时的一级候选桶数量，默认值为“[72]”。

<nprobe2>：检索时每次下发计算时的二级候选桶数量，默认值为“[64, 296]”。

<sub_dim1>：检索时一级降维后的维度大小，默认值为“32”。

<segment>：检索时从nprobe2中用于搜索数据段数，默认值“[512, 1000, 1504]”。

<pool_size>：进程数量，默认“16”。

--help | -h：查询帮助信息。

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

• dim ∈ {128，256，512，1024}。
• nlist1 ∈ {256，512，1024}。
• sub_dim1 ∈ {32，64，128}。sub_dim1必须小于dim。
• nprobe1 ∈ (16, nlist1]。nprobe1是int类型的列表，且列表中的数值必须是8的整数倍。
• nprobe2 ∈ (16, nprobe1 * n]。当dim为1024时n为16，其余维度n为32，nprobe2是int类型的列表，且列表中的数值必须是8的整数倍。
• segment ∈ (100, 5000]。segment是int类型的列表，且segment必须是8的整数倍。
• pool_size∈[1, 32]。运行脚本前请先确定宿主机最大能支持的进程数量合理设置。