Questa pagina è stata tradotta dall'API Cloud Translation.

Parametri di configurazione degli indici

Per configurare gli indici per le ricerche di somiglianza, devi configurare i seguenti campi.

Per istruzioni su come configurare un indice, consulta Configurare i parametri dell'indice.

`NearestNeighborSearch`

Campi

Campi
`contentsDeltaUri`	`string` Consente di inserire, aggiornare o eliminare i contenuti della ricerca vettoriale `Index`. La stringa deve essere un percorso di directory Cloud Storage valido, ad esempio `gs://BUCKET_NAME/PATH_TO_INDEX_DIR/`. Se imposti questo campo quando chiami `IndexService.UpdateIndex`, nessun altro `Index` campo può essere aggiornato nell'ambito della stessa chiamata. Scopri come strutturare i singoli file di dati.
`isCompleteOverwrite`	`boolean` Se questo campo viene impostato insieme a `contentsDeltaUri` quando viene chiamata la funzione `IndexService.UpdateIndex`, i contenuti esistenti di `Index` verranno sostituiti dai dati di `contentsDeltaUri`. Quando questo campo è impostato su true, l'intero indice viene sovrascritto completamente con il nuovo file dei metadati fornito.
`config`	`NearestNeighborSearchConfig` La configurazione della ricerca vettoriale `Index`.

contentsDeltaUri

string

Consente di inserire, aggiornare o eliminare i contenuti della ricerca vettoriale Index. La stringa deve essere un percorso di directory Cloud Storage valido, ad esempio gs://BUCKET_NAME/PATH_TO_INDEX_DIR/.

Se imposti questo campo quando chiami IndexService.UpdateIndex, nessun altro Index campo può essere aggiornato nell'ambito della stessa chiamata. Scopri come strutturare i singoli file di dati.

isCompleteOverwrite

boolean

Se questo campo viene impostato insieme a contentsDeltaUri quando viene chiamata la funzione IndexService.UpdateIndex, i contenuti esistenti di Index verranno sostituiti dai dati di contentsDeltaUri. Quando questo campo è impostato su true, l'intero indice viene sovrascritto completamente con il nuovo file dei metadati fornito.

config

NearestNeighborSearchConfig

La configurazione della ricerca vettoriale Index.

`NearestNeighborSearchConfig`

Campi
`dimensions`	`int32` Obbligatorio. Il numero di dimensioni dei vettori di input. Utilizzato solo per gli embedding densi.
`approximateNeighborsCount`	`int32` Obbligatorio se viene utilizzato l'algoritmo tree-AH. Il numero predefinito di vicini da trovare tramite una ricerca approssimativa prima che venga eseguito il riordinamento esatto. Il riordinamento esatto è una procedura in cui i risultati restituiti da un algoritmo di ricerca approssimativo vengono riordinati utilizzando un calcolo della distanza più costoso.
`ShardSize`	`ShardSize` Le dimensioni di ogni shard. Quando un indice è di grandi dimensioni, viene suddiviso in base alle dimensioni dello shard specificate. Durante la pubblicazione, ogni frammento viene pubblicato su un nodo distinto e viene scalato in modo indipendente.
`distanceMeasureType`	`DistanceMeasureType` La misurazione della distanza utilizzata nella ricerca del vicino più prossimo.
`featureNormType`	`FeatureNormType` Tipo di normalizzazione da eseguire su ciascun vettore.
`algorithmConfig`	`oneOf:` `TreeAhConfig` `BruteForceConfig` La configurazione degli algoritmi utilizzati da Vector Search per una ricerca efficiente. Utilizzato solo per embedding densi. `TreeAhConfig`: opzioni di configurazione per l'utilizzo dell'algoritmo tree-AH. Per saperne di più, consulta questo post del blog Scalabilità del recupero approfondito con i consigli di TensorFlow e la ricerca vettoriale `BruteForceConfig`: questa opzione implementa la ricerca lineare standard nel database per ogni query. Non sono presenti campi da configurare per una ricerca bruta. Per selezionare questo algoritmo, passa un oggetto vuoto per `BruteForceConfig`.

`DistanceMeasureType`

Enum
`SQUARED_L2_DISTANCE`	Distanza euclidea (L₂)
`L1_DISTANCE`	Distanza di Manhattan (L₁)
`DOT_PRODUCT_DISTANCE`	Valore predefinito. Definito come il negativo del prodotto scalare.
`COSINE_DISTANCE`	Distanza coseno. Consigliamo vivamente di utilizzare DOT_PRODUCT_DISTANCE + UNIT_L2_NORM anziché la distanza COSINE. I nostri algoritmi sono stati ottimizzati maggiormente per la distanza DOT_PRODUCT e, se combinati con UNIT_L2_NORM, offrono lo stesso ranking e la stessa equivalenza matematica della distanza COSINE.

`ShardSize`

Enum
`SHARD_SIZE_SMALL`	2 GiB per shard
`SHARD_SIZE_MEDIUM`	20 GiB per shard
`SHARD_SIZE_LARGE`	50 GiB per shard

`FeatureNormType`

Enum
`UNIT_L2_NORM`	Tipo di normalizzazione L2 dell'unità.
`NONE`	Valore predefinito. Non è specificato alcun tipo di normalizzazione.

`TreeAhConfig`

Questi sono i campi da selezionare per l'algoritmo tree-AH.

Campi
`fractionLeafNodesToSearch`	`double`
	La frazione predefinita di nodi foglia in cui è possibile cercare qualsiasi query. Deve essere compreso tra 0,0 e 1,0, esclusi. Se non è impostato, il valore predefinito è 0,05.
`leafNodeEmbeddingCount`	`int32`
	Numero di incorporamenti su ciascun nodo foglia. Se non è impostato, il valore predefinito è 1000.
`leafNodesToSearchPercent`	`int32`
	Funzionalità deprecata, utilizza `fractionLeafNodesToSearch`. La percentuale predefinita di nodi foglia in cui è possibile cercare qualsiasi query. Deve essere compreso tra 1 e 100, inclusi. Se non è impostato, il valore predefinito è 10 (ovvero il 10%).

`BruteForceConfig`

Questa opzione implementa la ricerca lineare standard nel database per ogni query. Non sono presenti campi da configurare per una ricerca bruta. Per selezionare questo algoritmo, passa un oggetto vuoto per BruteForceConfig a algorithmConfig.