د مایکروسافټ شرکت د ماشین زده کړې کتابتون سرچینې کوډونه (د سپیس پارشن ونې او ګراف) د نږدې الګوریتم پلي کولو سره . کتابتون د مایکروسافټ ریسرچ او د لټون ټیکنالوژۍ پراختیا مرکز (د مایکروسافټ لټون ټیکنالوژۍ مرکز) د څیړنې څانګې کې. په عمل کې، SPTAG د Bing لټون انجن لخوا کارول کیږي ترڅو د لټون پوښتنو شرایطو پراساس خورا اړونده پایلې وټاکي. کوډ په C++ لیکل شوی او د MIT جواز لاندې. د لینکس او وینډوز لپاره جوړونه ملاتړ کیږي. د Python ژبې لپاره یو پابند دی.
د دې حقیقت سره سره چې د لټون انجنونو کې د ویکتور ذخیره کارولو مفکوره د اوږدې مودې لپاره تیریږي، په عمل کې، د دوی پلي کول د ویکتورونو او د توزیع کولو محدودیتونو سره د عملیاتو د لوړې سرچینې شدت له امله خنډ کیږي. د نږدې نږدې ګاونډي لټون الګوریتمونو سره د ژور ماشین زده کړې میتودونو ترکیب دا ممکنه کړې چې د ویکتور سیسټمونو فعالیت او توزیع وړتیا د لوی لټون انجنونو لپاره د منلو وړ کچې ته ورسوي. د مثال په توګه، په Bing کې، د 150 ملیارد ویکٹرونو څخه د ویکتور شاخص لپاره، د خورا اړونده پایلو د ترلاسه کولو وخت په 8 ms کې دی.
په کتابتون کې د شاخص جوړولو او د ویکتور لټونونو تنظیم کولو لپاره وسایل شامل دي، په بیله بیا د ویشل شوي آنلاین لټون سیسټم ساتلو لپاره د وسایلو سیټ چې د ویکتورونو خورا لوی ټولګه پوښي. لاندې ماډلونه: د شاخص جوړونکی د شاخص کولو لپاره، د څو نوډونو په کلستر کې ویشل شوي شاخص په کارولو سره د لټون لټون کوونکی، په نوډونو کې د هینډلرونو چلولو لپاره سرور، په یو کې د څو سرورونو یوځای کولو لپاره راټولونکی، او مراجع د پوښتنو لیږلو لپاره. په شاخص کې د نویو ویکتورونو شاملول او په الوتنه کې د ویکتورونو له مینځه وړل ملاتړ کیږي.
کتابتون پدې معنی دی چې پروسس شوي او په ټولګه کې وړاندې شوي معلومات د اړوندو ویکتورونو په شکل کې فارمیټ شوي چې د دې پراساس پرتله کیدی شي. (L2) یا واټنونه د لټون پوښتنه هغه ویکتورونه بیرته راګرځوي چې د دوی او اصلي ویکتور ترمنځ فاصله لږترلږه وي. SPTAG د ویکتور ځای تنظیم کولو لپاره دوه میتودونه وړاندې کوي: SPTAG-KDT (K-dimensional tree)) او ) او SPTAG-BKT (k- یعنی ونه ( او د ګاونډیتوب ګراف) لومړی میتود لږو سرچینو ته اړتیا لري کله چې د شاخص سره کار کوي، او دویمه د ویکتورونو خورا لوی راټولولو لپاره د لټون پایلو لوړه دقت ښیي.
په ورته وخت کې، د ویکتور لټون په متن پورې محدود نه دی او د ملټي میډیا معلوماتو او انځورونو، او همدارنګه په سیسټمونو کې د اتوماتیک وړاندیزونو تولید لپاره کارول کیدی شي. د مثال په توګه ، د PyTorch چوکاټ پراساس یو پروټوټایپ په عکسونو کې د شیانو د ورته والي پراساس د لټون لپاره د ویکتور سیسټم پلي کړی ، د څارویو ، پیشوګانو او سپیو عکسونو سره د ډیری حوالې راټولولو ډیټا په کارولو سره رامینځته شوی ، کوم چې د ویکتورونو سیټونو کې بدل شوي. . کله چې یو راتلونکی انځور د لټون لپاره ترلاسه شي، دا د ماشین زده کړې ماډل په کارولو سره په ویکتور بدلیږي، چې پر بنسټ یې ډیری ورته ویکتورونه د SPTAG الګوریتم په کارولو سره د شاخص څخه غوره شوي او اړونده انځورونه د پایلې په توګه بیرته راستانه کیږي.
سرچینه: opennet.ru