如何测试faiss是否为gpu版本

这个脚本将测量使用GPU进行搜索的时间。如果搜索时间显著减少,那么GPU版本的Faiss应该正常工作。

本人实测,gpu版本的输出应该如下:

复制代码
Faiss支持GPU
搜索时间: 0.0423 秒

cpu的输出为:

复制代码
Faiss不支持GPU
搜索时间: 66.4641 秒
python 复制代码
import faiss
import numpy as np
import time

d = 64                           # 向量维度
nb = 100000                      # 数据集大小
nq = 10000                       # 查询集大小
np.random.seed(0)                # 设置随机种子

# 检查GPU支持
if faiss.get_num_gpus() > 0:
    print("Faiss支持GPU")
else:
    print("Faiss不支持GPU")

# 创建数据集和查询集
xb = np.random.random((nb, d)).astype('float32')
xq = np.random.random((nq, d)).astype('float32')

# 使用GPU进行搜索
index = faiss.IndexFlatL2(d)     # 使用L2距离
if faiss.get_num_gpus() > 0:
    res = faiss.StandardGpuResources()  # 使用默认的GPU资源
    index = faiss.index_cpu_to_gpu(res, 0, index)

# 计时搜索
start_time = time.time()
index.add(xb)
D, I = index.search(xq, 10)      # 搜索最近的10个邻居
end_time = time.time()

# 打印搜索时间
print(f"搜索时间: {end_time - start_time:.4f} 秒")
相关推荐
小二·4 天前
RAG + 向量数据库实战:ChromaDB / Milvus / FAISS 选型与性能横评
数据库·milvus·faiss
zhiSiBuYu051712 天前
Milvus、Pinecone 与 FAISS 向量数据库选型与实战指南
数据库·milvus·faiss
li星野1 个月前
本地 RAG 问答系统实战:FAISS 检索 + DeepSeek 生成
faiss
NeilYuen1 个月前
gRPC结合FAISS构建AI助手语义缓存模块(一):设计
人工智能·缓存·faiss
HappyAcmen1 个月前
7.faiss-cpu向量库安装
python·faiss
海天一色y1 个月前
深入理解 RAG 技术:从语义张量到向量数据库,Milvus 与 FAISS 全面对比
数据库·milvus·faiss
沪漂阿龙1 个月前
Vector Store:FAISS、Chroma、Milvus、Qdrant、ES 怎么选?
人工智能·elasticsearch·架构·milvus·faiss
程序员佳佳1 个月前
四个月长期实测:自建 Milvus、FAISS、原生向量 API 和向量引擎中转方案,到底怎么选?
人工智能·windows·python·gpt·milvus·faiss
li星野1 个月前
从 PDF 到 FAISS 向量索引:构建本地 RAG 数据预处理流水线
pdf·faiss