Wolfram 语言与系统参考资料中心

CreateVectorDatabase

CreateVectorDatabase[]

创建一个新的空向量数据库.

CreateVectorDatabase[{vec₁,…}]

用向量集 vec_i 初始化数据库.

CreateVectorDatabase[{vec₁,…}{val₁,…}]

将 val_i 与向量 vec_i 关联在一起.

CreateVectorDatabase[data,name]

为向量数据库指定 name.

范例

打开所有单元关闭所有单元

基本范例 (2)

创建一个空的 VectorDatabaseObject：

Wolfram Language code: CreateVectorDatabase[]

创建一个具有特定名称的数据库，并用向量列表初始化：

Wolfram Language code: database = CreateVectorDatabase[RandomReal[1, {10, 4}], "myDB"]

按相似度搜索数据库：

Wolfram Language code: VectorDatabaseSearch[database, {1, 1, 1, 1}]

范围 (5)

数据源 (3)

创建一个空的向量数据库：

Wolfram Language code: CreateVectorDatabase[]

创建具有特定名称的数据库：

Wolfram Language code: CreateVectorDatabase["myDB"]

用向量列表初始化一个新的向量数据库：

Wolfram Language code: CreateVectorDatabase[{{1, 2, 3}, {4, 5, 6}}]

元数据 (2)

用向量和元数据初始化数据库：

Wolfram Language code: CreateVectorDatabase[{{1, 2, 3} -> "A", {4, 5, 6} -> "B"}]

用单独的列表指定元数据：

Wolfram Language code: CreateVectorDatabase[{{1, 2, 3}, {4, 5, 6}} -> {"A", "B"}]

将带有标签的元数据指定为 Association：

Wolfram Language code: CreateVectorDatabase[{{1, 2, 3} -> <|"tag1" -> "A", "tag2" -> 42|>, {4, 5, 6} -> <|"tag1" -> "B", "tag2" -> 1234|>}]

分别指定数据和元数据：

Wolfram Language code: CreateVectorDatabase[{{1, 2, 3}, {4, 5, 6}} -> {<|"tag1" -> "A", "tag2" -> 42|>, <|"tag1" -> "B", "tag2" -> 1234|>}]

选项 (10)

DistanceFunction (1)

为数据库指定自定义的距离函数：

Wolfram Language code: CreateVectorDatabase[DistanceFunction -> CosineDistance]

默认情况下，使用 EuclideanDistance：

Wolfram Language code: CreateVectorDatabase[]["DistanceFunction"]

FeatureExtractor (1)

只有向量可以被存储在数据库中；指定可以提取图像特征的 FeatureExtractor：

Wolfram Language code: db = CreateVectorDatabase[{[image], [image], [image], [image], [image], [image]}, FeatureExtractor -> "ImageFeatures"]

搜索与给定图像最接近的图像：

Wolfram Language code: VectorDatabaseSearch[db, [image]]

GeneratedAssetLocation (3)

自定义一个位置来存储数据库：

Wolfram Language code: CreateVectorDatabase["myDB", GeneratedAssetLocation -> "CloudObject"]

获取位置：

Wolfram Language code: %["Location"]

默认情况下，数据库存储在本地对象中：

Wolfram Language code: CreateVectorDatabase[]["Location"]

将向量数据库存储在文件中：

Wolfram Language code: file = File[FileNameJoin[{$TemporaryDirectory, "testfile"}]]

Wolfram Language code: CreateVectorDatabase["myDB", GeneratedAssetLocation -> file]

获取位置：

Wolfram Language code: %["Location"]

根据文件参考信息重新创建数据库：

Wolfram Language code: VectorDatabaseObject[File["/private/var/folders/05/v_ct9frn7zv4vy6f2q18y2r80000gn/T/testfile"]]

OverwriteTarget (2)

系统自动设定的数据库位置由其名称确定：

Wolfram Language code: CreateVectorDatabase["myDB"]

如果采用默认设置 OverwriteTargetAutomatic，将生成一个新的数据库名称以避免冲突：

Wolfram Language code: CreateVectorDatabase["myDB"]

要强制覆盖，请使用 OverwriteTargetTrue：

Wolfram Language code: CreateVectorDatabase["myDB", OverwriteTarget -> True]

用 OverwriteTargetFalse 进行检查：

Wolfram Language code: CreateVectorDatabase["myDB", OverwriteTarget -> False]

OverwriteTargetFalse 还将防止在不同位置重复使用相同的数据库名称：

Wolfram Language code: CreateVectorDatabase["myDB", OverwriteTarget -> False, GeneratedAssetLocation -> File["myDBfile"]]

创建一个文件：

Wolfram Language code: CreateFile@File["myDBfile"]

默认情况下，现有文件不会被覆盖：

Wolfram Language code: CreateVectorDatabase["myDB", GeneratedAssetLocation -> File["myDBfile"]]

用 OverwriteTargetTrue 覆盖现有文件：

Wolfram Language code: CreateVectorDatabase["myDB", GeneratedAssetLocation -> File["myDBfile"], OverwriteTarget -> True]

WorkingPrecision (3)

自定义距离计算的工作精度：

Wolfram Language code: CreateVectorDatabase[{{1, 2, 3}}, WorkingPrecision -> "Real32"]

默认情况下，精度是根据输入数据推断的：

Wolfram Language code: CreateVectorDatabase[{{1, 2, 3}}]["WorkingPrecision"]

指定空数据库的精度：

Wolfram Language code: db = CreateVectorDatabase[WorkingPrecision -> "Real32"];

新添加的向量被截断和/或舍入以适应给定的精度：

Wolfram Language code: AddToVectorDatabase[db, {{1, 2, 10 ^ 100}}]["Vectors"]//Normal

创建的空数据库没有明确的工作精度：

Wolfram Language code:

db = CreateVectorDatabase[];
db["WorkingPrecision"]

数据添加到数据库时，该值将被解析：

Wolfram Language code: AddToVectorDatabase[db, {{1, 2, 3}}]["WorkingPrecision"]

属性和关系 (1)

标量列表被解释为一维向量列表：

Wolfram Language code: CreateVectorDatabase[{1, 2, 3}]["Vectors"]

使用外层列表表示输入为单一向量：

Wolfram Language code: CreateVectorDatabase[{{1, 2, 3}}]["Vectors"]

可能存在的问题 (4)

数据库中只能存储一维数组：

Wolfram Language code:

CreateVectorDatabase[{(⁠|   |   |
| - | - |
| 1 | 2 |
| 3 | 4 |⁠), (⁠|   |   |
| - | - |
| 5 | 6 |
| 7 | 8 |⁠)}]

数据库中所有数组的大小都应相同：

Wolfram Language code: CreateVectorDatabase[{{1, 2, 3}, {1, 2}}]

数据库名称是唯一的：

Wolfram Language code: CreateVectorDatabase["DemoDB"]

创建具有相同名称规格的新数据库，其后缀递增：

Wolfram Language code: Table[CreateVectorDatabase["DemoDB"]["ID"], 5]

使用 DeleteObject 删除错误生成的 VectorDatabaseObject：

Wolfram Language code: DeleteObject[VectorDatabaseObjects["DemoDB*"]]

现在该名称又可用了：

Wolfram Language code: CreateVectorDatabase["DemoDB"]

或者，使用选项 OverwriteTargetTrue 来覆盖旧数据库：

Wolfram Language code: CreateVectorDatabase["DemoDB", OverwriteTarget -> True]

OverwriteTarget -> False 会显示错误消息，而不是增加一个递增数字：

Wolfram Language code: CreateVectorDatabase["DemoDB", OverwriteTarget -> False]

在特定位置创建数据库：

Wolfram Language code: db = CreateVectorDatabase["myDB", GeneratedAssetLocation -> File["myDBfile"]]

在新位置创建的同名数据库后缀会递增：

Wolfram Language code: CreateVectorDatabase["myDB", GeneratedAssetLocation -> File["myDBfile2"]]

删除原始数据库以释放名称：

Wolfram Language code: DeleteObject[db]

现在该名称又可用了：

Wolfram Language code: CreateVectorDatabase["myDB", GeneratedAssetLocation -> File["myDBfile2"], OverwriteTarget -> True]

Wolfram Language code: db = CreateVectorDatabase[RandomReal[1, {1000, 10}], GeneratedAssetLocation -> None]

Wolfram Language code: db[[1]]

Wolfram Language code: PersistentObject["SemanticSearch`Storage`VectorDB-e75090c3-01ff-4318-ada5-38536495b10b", "KernelSession"]["Value"]

Top

	"string"	字符串标签
	<\|"tag₁"v₁,…\|>	标签和元数据值组成的关联

	"Integer8"	从到 127 的有符号 8 位整数
	"Real32"	单精度实数 (32 bit)
	"Real64"	双精度实数 (64 bit)

更多学习资源

技术支持

数据科学、金融与商业

工程

科学与技术

教育科技

教育举措

开始

提高你的技能

与我们合作

成人教育计划

青少年教育计划

欢迎阅读

CreateVectorDatabase

更多信息和选项

范例

基本范例 (2)