Biblioteca de C++ y herramienta de línea de comandos para buscar rápidamente vecinos más cercanos aproximados en vectores de alta dimensión mediante índices de grafos y árboles.
NGT ofrece comandos y una biblioteca para buscar vecinos más cercanos aproximados en colecciones grandes de vectores de alta dimensión, normalmente de decenas a miles de dimensiones. Crea índices de grafos de vecindad y árboles para encontrar objetos similares sin comparar una consulta con todos los elementos almacenados.
El proyecto ofrece varios métodos: un índice basado en grafos y árboles (NGT), un método de grafos cuantizados (QG) y un método de grafos de bloques cuantizados (QBG), pensado para conjuntos de datos muy grandes. Las funciones de distancia compatibles incluyen L1, L2, coseno, angular, Hamming, Jaccard, producto interno e hiperbólica (distancias de Poincaré y Lorentz). Los vectores se pueden almacenar como números de punto flotante de 4 o 2 bytes, o como enteros sin signo de 1 byte; los índices también se pueden ubicar en memoria compartida con asignación de memoria.
NGT incluye una CLI, una API de C++ y bindings para Python, Rust, Go, Ruby, PHP y JavaScript. Es posible agregar y eliminar objetos después de crear un índice. Se puede compilar en Linux, macOS y Windows mediante MinGW-w64/MSYS2; QG y QBG requieren BLAS y LAPACK.
Instalar en macOS con Homebrew
brew install ngtDescargar el archivo del código fuente desde la página Releases
Configurar la compilación en Linux sin QG ni QBG
cmake -DNGT_QBG_DISABLED=ON ..Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Biblioteca de C++ para búsquedas aproximadas de vecinos más cercanos a gran escala, con herramientas para crear índices, buscar y ofrecer servicio distribuido.
Extensión de código abierto para buscar vectores similares en Postgres y almacenar y consultar embeddings junto con los datos relacionales.
Biblioteca de recuperación y base de datos embebida para IA multimodal, con búsqueda vectorial, de texto completo y SQL sobre datos en formato Lance.
Biblioteca de búsqueda aproximada de vecinos más cercanos, escrita íntegramente en Python y basada en Nearest Neighbor Descent, con amplia compatibilidad con métricas de distancia.
Biblioteca header-only de C++ acelerada con CUDA y wrappers de Python para primitivas reutilizables de machine learning, álgebra lineal y recuperación de información en GPUs NVIDIA.
Biblioteca de C++ en un solo archivo para búsqueda aproximada de vecinos más cercanos y clustering de vectores, con bindings para Python, JavaScript, Rust, Java, Go, Swift y más.