快速近似近邻搜索框架。
Near的Python项目详细描述
#nearpy
nearpy是一个python框架，用于使用不同的局部敏感哈希方法在高维向量空间中进行快速（近似）近邻搜索。
它允许实验和评估新方法，但也可以生产。它带有一个redis存储适配器。
要安装，只需执行*pip install nearpy*。它还将安装scipy、numpy和redis包。
d是索引的。对于每个应该被索引（"存储"）的向量，都会生成一个散列，
这是一个字符串值。这个散列用作存储向量的bucket的bucket key
。bucket在大多数情况下只是向量的列表，这是这些应用程序中使用的术语。
因此，这种机制的"秘密"是使用所谓的对位置敏感的散列lsh。
这些散列考虑了空间性，因此它们倾向于为闭合向量生成相同的散列值（桶键）。这使得在给定查询向量的情况下，获得接近
向量的速度变得非常快。因为这是一种非常粗糙的方法，所以称为近似近邻搜索，因为您可能无法得到真正的近邻。在许多应用程序中，这很好，因为您只想得到20个"足够相等"的向量。
引擎可配置
用于近似近邻搜索（anns）的管道，使用对位置敏感的散列（lsh）。
！[alt text]（http://nerpy.io/images/pipeline.png"管道图"）
引擎使用接受管道沿线不同组件的构造函数进行配置：
``python
def\uu init（self，dim，lshashes=[randombinaryprojections（'default'，10]），
distance=cosinedistance（），
向量过滤器=[nearestfilter（10）]，
存储=memoryStorage（））：
````
anns管道配置为使用构造函数的dim参数设置的特征空间的固定维度。这必须是正整数值。
这仅在使用需要距离的过滤器（如NearestFilter或DistanceThresholdFilter）时才需要。
现有的实现有nearestfilter、distancethresholdfilter和uniquefilter。
是引擎的另一个参数，称为fetch_vector_filters，它在从存储桶中提取候选向量之后，在使用distance
或vector filter之前执行。默认情况下，这是一个uniquefilter，它应该始终是。如果人们需要玩弄这个，我会把它作为一个参数。
引擎支持不同的方式存储索引向量（和存储桶）。当前的存储实现是内存存储和再存储。
存储中的g个桶。
可选数据参数必须是json可序列化的。它与矢量一起存储，并将在搜索结果中返回。
最好只使用数据库ID作为附加的"数据"，并将实际数据存储在数据库中。
neighbors（）h将向量v与所有配置的lsh进行灰化，从存储中的匹配
存储桶中收集所有候选向量，应用（可选）距离函数，最后应用（可选）过滤函数
，以构造（向量、数据、距离）元组或（向量、数据）元组的返回列表。
a从引擎中可以使用这两个方法：
`` python
`清除所有的存储桶（self）
清除存储桶（self，hash\u name）
````
`散列
所有lsh实现都在nearpy do子类nearpy.hash中，除了
构造函数和重置方法之外，它还有一个主要方法。
`` python
`散列向量（self，v）
```
hash_vector（）对指定向量进行哈希运算，并返回包含一个或多个项的存储桶键列表。
lsh randombinaryprojections将指定向量投影到特征空间中的n个random规范化向量上，并返回由零和一组成的字符串。如果v位于第n个法向量的正边，则字符串中的第n个字符为"1"；如果v位于第n个法向量的负边，则字符串中的第n个字符为"0"。这样，lsh将特征空间（"输入空间"）的每个可能向量投影到许多可能的存储桶中。
lsh随机离散投影几乎与随机二进制投影相同。唯一的区别是，
将投影值除以一个bin宽度，并将每个随机投影中的bin索引
用作bucket键的一部分。如果随机投影向量的计数与随机二进制投影相同，则在给定相同向量集的情况下，这将导致更多的桶。投影上的桶密度可以通过作为构造函数一部分的桶宽度来控制。
lsh pcabinaryprojections使用构造函数指定的一组训练向量进行训练。它执行pca（主成分分析）以找出训练集中方差最大的方向，然后使用前n个主成分作为投影向量（或投影到的子空间的维数）。其想法是这样可以更安全地在
桶之间获得向量的良好分布。我对此没有任何测试，也不知道这是否有意义。
例如，在redis中，在索引过程完成后重新使用它，您应该保留您的散列配置，以便以后可以重新创建相同的引擎，以便进行更多索引或查询。
这样做：
``` python
``创建redis存储适配器
redis object=redis（host=localhost，port=6379，db=0）
redis_u storage=redisstorage（redis_object）
e没有参数的散列
lshash=randombinaryprojections（none，none）
应用从redis加载的配置
lshash.apply謺config（config）
謺为100个维度的功能空间创建引擎并使用我们的散列。
謺这将只在第一次设置lshash的维度，而不是在使用configurati时从redis加载时。使用redis存储来存储
存储桶。
引擎=引擎（100，lshashes=[lshash]，存储=redis存储）
```
==
示例用法：
`` python
来自nearpy导入引擎
来自nearpy.hash导入randombinaryprojections
10）
dex）创建随机查询向量
nearpy是一个python框架，用于使用不同的局部敏感哈希方法在高维向量空间中进行快速（近似）近邻搜索。
它允许实验和评估新方法，但也可以生产。它带有一个redis存储适配器。
要安装，只需执行*pip install nearpy*。它还将安装scipy、numpy和redis包。
d是索引的。对于每个应该被索引（"存储"）的向量，都会生成一个散列，
这是一个字符串值。这个散列用作存储向量的bucket的bucket key
。bucket在大多数情况下只是向量的列表，这是这些应用程序中使用的术语。
因此，这种机制的"秘密"是使用所谓的对位置敏感的散列lsh。
这些散列考虑了空间性，因此它们倾向于为闭合向量生成相同的散列值（桶键）。这使得在给定查询向量的情况下，获得接近
向量的速度变得非常快。因为这是一种非常粗糙的方法，所以称为近似近邻搜索，因为您可能无法得到真正的近邻。在许多应用程序中，这很好，因为您只想得到20个"足够相等"的向量。
引擎可配置
用于近似近邻搜索（anns）的管道，使用对位置敏感的散列（lsh）。
！[alt text]（http://nerpy.io/images/pipeline.png"管道图"）
引擎使用接受管道沿线不同组件的构造函数进行配置：
``python
def\uu init（self，dim，lshashes=[randombinaryprojections（'default'，10]），
distance=cosinedistance（），
向量过滤器=[nearestfilter（10）]，
存储=memoryStorage（））：
````
anns管道配置为使用构造函数的dim参数设置的特征空间的固定维度。这必须是正整数值。
这仅在使用需要距离的过滤器（如NearestFilter或DistanceThresholdFilter）时才需要。
现有的实现有nearestfilter、distancethresholdfilter和uniquefilter。
是引擎的另一个参数，称为fetch_vector_filters，它在从存储桶中提取候选向量之后，在使用distance
或vector filter之前执行。默认情况下，这是一个uniquefilter，它应该始终是。如果人们需要玩弄这个，我会把它作为一个参数。
引擎支持不同的方式存储索引向量（和存储桶）。当前的存储实现是内存存储和再存储。
存储中的g个桶。
可选数据参数必须是json可序列化的。它与矢量一起存储，并将在搜索结果中返回。
最好只使用数据库ID作为附加的"数据"，并将实际数据存储在数据库中。
neighbors（）h将向量v与所有配置的lsh进行灰化，从存储中的匹配
存储桶中收集所有候选向量，应用（可选）距离函数，最后应用（可选）过滤函数
，以构造（向量、数据、距离）元组或（向量、数据）元组的返回列表。
a从引擎中可以使用这两个方法：
`` python
`清除所有的存储桶（self）
清除存储桶（self，hash\u name）
````
`散列
所有lsh实现都在nearpy do子类nearpy.hash中，除了
构造函数和重置方法之外，它还有一个主要方法。
`` python
`散列向量（self，v）
```
hash_vector（）对指定向量进行哈希运算，并返回包含一个或多个项的存储桶键列表。
lsh randombinaryprojections将指定向量投影到特征空间中的n个random规范化向量上，并返回由零和一组成的字符串。如果v位于第n个法向量的正边，则字符串中的第n个字符为"1"；如果v位于第n个法向量的负边，则字符串中的第n个字符为"0"。这样，lsh将特征空间（"输入空间"）的每个可能向量投影到许多可能的存储桶中。
lsh随机离散投影几乎与随机二进制投影相同。唯一的区别是，
将投影值除以一个bin宽度，并将每个随机投影中的bin索引
用作bucket键的一部分。如果随机投影向量的计数与随机二进制投影相同，则在给定相同向量集的情况下，这将导致更多的桶。投影上的桶密度可以通过作为构造函数一部分的桶宽度来控制。
lsh pcabinaryprojections使用构造函数指定的一组训练向量进行训练。它执行pca（主成分分析）以找出训练集中方差最大的方向，然后使用前n个主成分作为投影向量（或投影到的子空间的维数）。其想法是这样可以更安全地在
桶之间获得向量的良好分布。我对此没有任何测试，也不知道这是否有意义。
例如，在redis中，在索引过程完成后重新使用它，您应该保留您的散列配置，以便以后可以重新创建相同的引擎，以便进行更多索引或查询。
这样做：
``` python
``创建redis存储适配器
redis object=redis（host=localhost，port=6379，db=0）
redis_u storage=redisstorage（redis_object）
e没有参数的散列
lshash=randombinaryprojections（none，none）
应用从redis加载的配置
lshash.apply謺config（config）
謺为100个维度的功能空间创建引擎并使用我们的散列。
謺这将只在第一次设置lshash的维度，而不是在使用configurati时从redis加载时。使用redis存储来存储
存储桶。
引擎=引擎（100，lshashes=[lshash]，存储=redis存储）
```
==
示例用法：
`` python
来自nearpy导入引擎
来自nearpy.hash导入randombinaryprojections
10）
dex）创建随机查询向量
欢迎加入QQ群-->： 979659372
