معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A library for efficient similarity search and clustering of dense vectors

ویژگی	مقدار
سیستم عامل	-
نام فایل	faiss-1.5.3
نام	faiss
نسخه کتابخانه	1.5.3
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Matthijs Douze, Jeff Johnson, Herve Jegou
ایمیل نویسنده	matthijs@fb.com
آدرس صفحه اصلی	https://github.com/facebookresearch/faiss
آدرس اینترنتی	https://pypi.org/project/faiss/
مجوز	BSD

## Unofficial prebuilt binary for Linux and MacOS The repo that builds this project can be found here: [https://github.com/onfido/faiss_prebuilt](https://github.com/onfido/faiss_prebuilt) ## Original readme: Faiss is a library for efficient similarity search and clustering of dense vectors. It contains algorithms that search in sets of vectors of any size, up to ones that possibly do not fit in RAM. It also contains supporting code for evaluation and parameter tuning. Faiss is written in C++ with complete wrappers for Python/numpy. Some of the most useful algorithms are implemented on the GPU. It is developed by Facebook AI Research.

نیازمندی

مقدار	نام
-	numpy

نحوه نصب

نصب پکیج whl faiss-1.5.3:

pip install faiss-1.5.3.whl

نصب پکیج tar.gz faiss-1.5.3:

pip install faiss-1.5.3.tar.gz