FAISS
💡 개념형
💡
학습 전략: 구조화 (Structuring)
얻은 정보들을 배치하고 연결하며 스스로 재구성
개요
FAISS는 대규모 벡터 연산을 효율적으로 처리하기 위해 설계된 벡터 데이터 검색 라이브러리입니다. 벡터 저장을 통해 검색, 클러스터링, 벡터 분할 기능을 제공합니다.
코드 예제
1
2
3
4
5
6
7
8
9
10
11
from langchain_community.vectorstores import FAISS
from langchain.embeddings import HuggingFaceEmbeddings
import faiss
# 1) FAISS 인덱스 로드
index = faiss.read_index("faiss_indexes/coffee.ivf_pq.index")
# 2) 임베딩 모델 준비
embeddings = HuggingFaceEmbeddings(
model_name="sentence-transformers/all-MiniLM-L6-v..."
)
주요 기능
- 효율적인 벡터 데이터 검색
- 대규모 벡터 처리
- 벡터 저장 연산 지원
- 클러스터링 및 분할 기능
활용 분야
FAISS는 다음과 같은 분야에서 활용됩니다:
- 유사도 검색
- 추천 시스템
- 자연어 처리
- 이미지 검색
- 벡터 데이터베이스