Facebook 開源的一個(gè)高性能的高維向量相似度檢索和聚類庫。
開源協(xié)議之前采用 BSD + Patents。最新版 v1.5.2 采用 MIT，可以在商業(yè)軟件中使用。
github 上有 6000 多 Stars。

Faiss 主要特性：

• 支持相似度檢索和聚類；
• 支持多種索引方式；
• 支持CPU和GPU計(jì)算；
• 支持Python和C++調(diào)用；

Faiss 索引類型：

• Exact Search for L2 #基于L2距離的確定搜索匹配

• Exact Search for Inner Product #基于內(nèi)積的確定搜索匹配

• Hierarchical Navigable Small World graph exploration #分層索引

• Inverted file with exact post-verification #倒排索引

• Locality-Sensitive Hashing (binary flat index) #本地敏感hash

• Scalar quantizer (SQ) in flat mode #標(biāo)量量化索引

• Product quantizer (PQ) in flat mode #笛卡爾乘積索引

• IVF and scalar quantizer #倒排+標(biāo)量量化索引

• IVFADC (coarse quantizer+PQ on residuals) #倒排+笛卡爾乘積索引

• IVFADC+R (same as IVFADC with re-ranking based on codes) #倒排+笛卡爾乘積索引 + 基于編碼器重排

第1個(gè)和第2個(gè)索引方式是屬于精確匹配，其他索引方式都是通過數(shù)據(jù)壓縮的非精確匹配。
雖然壓縮索引方式損失少量檢索精度，但大大減少內(nèi)存占用，從而支持超大規(guī)模數(shù)據(jù)集檢索，比如在單機(jī)上支持10億規(guī)模的高維向量相似度檢索。

Faiss 使用場(chǎng)景：

最常見的人臉比對(duì)，指紋比對(duì)，基因比對(duì)等。

Faiss 開發(fā)資料：

github: https://github.com/facebookresearch/faiss
tutorial: https://github.com/facebookresearch/faiss/wiki/Getting-started