相關(guān)文章

• 

  ModaHub魔搭社區(qū)：騰訊云定義AI Native向量數(shù)據(jù)庫(kù)

  大模型時(shí)代的到來(lái)，擁抱大模型成為企業(yè)的剛需。 向量數(shù)據(jù)庫(kù)通過(guò)把數(shù)據(jù)向量化然后進(jìn)行存儲(chǔ)和查詢，可以極大地提升效率和降低成本。它能解決大模型預(yù)訓(xùn)練成本高、沒(méi)有“長(zhǎng)期記憶”、知識(shí)更新不足、提示詞工程復(fù)雜等問(wèn)題，突破大模型在時(shí)間和空間上的限制，加速大模

  2024年02月12日

  瀏覽(34)

• ModaHub魔搭社區(qū)：向量數(shù)據(jù)庫(kù)Weaviate與Milvus分析報(bào)告

  目錄 Weaviate與Milvus分析報(bào)告 一、Weaviate與Milvus可擴(kuò)展性對(duì)比 二、Weaviate與Milvus功能對(duì)比 三、Weaviate與Milvus設(shè)計(jì)對(duì)比 在當(dāng)今的大數(shù)據(jù)時(shí)代，數(shù)據(jù)規(guī)模不斷增長(zhǎng)，處理非結(jié)構(gòu)化數(shù)據(jù)的能力變得至關(guān)重要。向量數(shù)據(jù)庫(kù)作為處理非結(jié)構(gòu)化數(shù)據(jù)的關(guān)鍵工具，正逐漸受到廣泛關(guān)注。在這份

  2024年02月16日

  瀏覽(26)

• ModaHub魔搭社區(qū)：向量數(shù)據(jù)庫(kù)Milvus部署運(yùn)維問(wèn)題教程（一）

  目錄 部署運(yùn)維問(wèn)題 如果在安裝 Milvus 時(shí)，從 Docker Hub 拉取鏡像總是失敗怎么辦？ Milvus 只能使用 Docker 部署嗎？ 為什么 Milvus 返回 config check error 的錯(cuò)誤？ 為什么在導(dǎo)入數(shù)據(jù)時(shí) Milvus 顯示 no space left on device 的錯(cuò)誤？ 為什么 Milvus 查詢召回率一直不理想？ 為什么更新過(guò)的設(shè)置沒(méi)

  2024年02月12日

  瀏覽(28)

• ModaHub魔搭社區(qū)：基于阿里云 ACK 搭建開(kāi)源向量數(shù)據(jù)庫(kù) Milvus

  目錄 一、準(zhǔn)備資源 二、集群創(chuàng)建： 本集群基于Terway網(wǎng)絡(luò)構(gòu)建 二、連接剛剛創(chuàng)建的ACK集群 三、部署Milvus數(shù)據(jù)庫(kù) 四、優(yōu)化Milvus配置 簡(jiǎn)介： 生成式 AI（Generative AI）引爆了向量數(shù)據(jù)庫(kù)（Vector Database）市場(chǎng)，基于大模型的各種應(yīng)用場(chǎng)景會(huì)需要使用到向量數(shù)據(jù)庫(kù)。 其中，Milvus 是一

  2024年02月12日

  瀏覽(25)

• ModaHub魔搭社區(qū)：基于 Amazon EKS 搭建開(kāi)源向量數(shù)據(jù)庫(kù) Milvus

  目錄 01 前言 02 架構(gòu)說(shuō)明 03 先決條件 04 創(chuàng)建 EKS 集群 05 部署 Milvus

  2024年02月12日

  瀏覽(27)
• 

  ModaHub魔搭社區(qū)：AI原生云向量數(shù)據(jù)庫(kù)MIlvus Cloud實(shí)現(xiàn) HNSW

  HNSW 并不簡(jiǎn)單，因此我們只在此處進(jìn)行最簡(jiǎn)單的實(shí)現(xiàn)。像之前一樣，我們首先創(chuàng)建一組（128 維）向量的數(shù)據(jù)集： 第一步是構(gòu)建 HNSW 索引。為此，我們需要將每個(gè)向量添加到我們的數(shù)據(jù)集中。我們首先創(chuàng)建一個(gè)數(shù)據(jù)結(jié)構(gòu)來(lái)保存索引。在這個(gè)基本示例中，我們將使用列表的列表來(lái)

  2024年02月15日

  瀏覽(25)
• 

  ModaHub魔搭社區(qū)：AI原生云向量數(shù)據(jù)庫(kù)MIlvus Cloud的倒置文件索引？

  目錄 VF 總結(jié) 平面索引很不錯(cuò)，但它無(wú)法擴(kuò)展。這就是向量搜索的數(shù)據(jù)結(jié)構(gòu)發(fā)揮作用的地方。通過(guò)犧牲準(zhǔn)確性來(lái)減少運(yùn)行時(shí)間，以便顯著提高查詢速度和吞吐量。現(xiàn)在有很多索引策略，其中最常用的是倒置文件索引（IVF）。 拋開(kāi)花哨的名字，IVF 實(shí)際上是相當(dāng)簡(jiǎn)單的。IVF 通過(guò)

  2024年02月16日

  瀏覽(19)
• 

  ModaHub魔搭社區(qū)——未來(lái)向量數(shù)據(jù)庫(kù)會(huì)不像傳統(tǒng)數(shù)據(jù)庫(kù)那樣，在國(guó)內(nèi)涌現(xiàn) 200 多家出來(lái)？

  隨著技術(shù)的迭代速度越來(lái)越快，技術(shù)門檻也在逐漸降低，數(shù)據(jù)庫(kù)市場(chǎng)的持續(xù)擴(kuò)張是不可避免的。當(dāng)前存在著大量的需求，這將吸引越來(lái)越多的數(shù)據(jù)庫(kù)甚至向量數(shù)據(jù)庫(kù)加入競(jìng)爭(zhēng)。然而，從業(yè)界角度看，這種市場(chǎng)擴(kuò)張是有利的。它可以促使更多的技術(shù)和業(yè)務(wù)參與，盡管市場(chǎng)在一定

  2024年02月10日

  瀏覽(33)
• 

  ModaHub魔搭社區(qū)：AI原生云向量數(shù)據(jù)庫(kù)Zilliz Cloud與 LangChain 集成搭建智能文檔問(wèn)答系統(tǒng)

  目錄 準(zhǔn)備工作 主要參數(shù) 準(zhǔn)備數(shù)據(jù) 開(kāi)始提問(wèn) 本文將演示如何使用 Zilliz Cloud 和 LangChain 搭建基于大語(yǔ)言模型（LLM）的問(wèn)答系統(tǒng)。在本例中，我們將使用一個(gè) 1 CU 的 Cluster，還將使用 OpenAI 的 Embedding API 來(lái)獲取指定文本的向量表示。現(xiàn)在就讓我們開(kāi)始吧。 運(yùn)行本頁(yè)中的腳本需要

  2024年02月15日

  瀏覽(27)

• ModaHub魔搭社區(qū)：如何基于向量數(shù)據(jù)庫(kù)+LLM（大語(yǔ)言模型），打造更懂你的企業(yè)專屬Chatbot？

  目錄 1、為什么Chatbot需要大語(yǔ)言模型+向量數(shù)據(jù)庫(kù)? 2、什么是向量數(shù)據(jù)庫(kù)? 3、LLM大語(yǔ)言模型+ADB-PG:打造企業(yè)專屬Chatbot 4、ADB-PG:內(nèi)置向量檢索+全文檢索的一站式企業(yè)知識(shí)數(shù)據(jù)庫(kù) 5、總結(jié) 這個(gè)春天,最讓人震感的科技產(chǎn)品莫過(guò)于ChatGPT的橫空出世,通過(guò)大語(yǔ)言模型(LLM)讓人們看到了生成

  2024年02月11日

  瀏覽(88)