faiss中KNN分类器计算余弦距离

faiss是Facebook开源相似性搜索库是目前最成熟的近邻搜索库，为密集向量提供高效的相似性搜索和聚类，支持10亿级向量搜索 faiss通过余弦距离公式，不直接提供余弦距离计算，而是提供欧式距离和点积L2正则后的向量点积结果是余弦距离，因此使用faiss计算余弦距离需要首先将输入归一化 找到定义的距离faiss.IndexFlatIP是内积 ；faiss.indexFlatL2是欧式距离

class FaissKNN:     def __init__(         self, reset_before=True, reset_after=True, index_init_fn=None, gpus=None     ):         self.reset()         self.reset_before = reset_before         self.reset_after = reset_after         self.index_init_fn = (             **faiss.IndexFlatIP** if index_init_fn is None else index_init_fn         )         if gpus is not None:             if not isinstance(gpus, (list, tuple)):                 raise TypeError("gpus must be a list")             if len(gpus) < 1:                 raise ValueError("gpus must have length greater than 0")         self.gpus = gpus 

改为内积距离 将输入向量除以其模具，内积距离为余弦距离

import torch.nn.functional as F train_embeddings = F.normalize(train_embeddings) test_embeddings = F.normalize(test_embeddings)