GPU 加速向量搜索与聚类
cuVS 加速向量搜索与聚类
向量搜索是许多数据挖掘和人工智能应用的基础，需要有效处理海量工作负载。
RAPIDS cuVS 库基于低级 CUDA 原语构建，包含针对近似最近邻和聚类的优化算法，以及许多其他用于加速向量搜索的基本工具。
性能提升
cuVS 为高效构建索引和搜索大型向量空间提供了更高的吞吐量和更低的延迟。与传统的基于 CPU 的解决方案相比，这显著减少了推理时间和成本。
灵活集成
cuVS 支持 C、C++、Python 和 Rust 等多种语言，易于集成到向量化数据应用中。此外，cuVS 提供 CPU 和 GPU 之间的互操作性，支持在 GPU 上构建索引并在 CPU 上进行搜索。
高级算法
cuVS 包含针对最新计算架构进行性能优化的近似最近邻搜索高级算法。
可扩展性
cuVS 使数据库能够通过 GPU 加速，纵向和横向扩展以处理大规模向量搜索和聚类工作负载。
全球最快的向量搜索
利用 cuVS 库，向量搜索操作在每个召回级别都实现了更快的索引构建时间、更高的吞吐量和更低的延迟，从而达到无与伦比的速度。cuVS 利用 NVIDIA GPU 的并行架构，支持部署 IVF-PQ、IVF-flat 和 CAGRA 等复杂算法。向量相似性搜索的 GPU 加速 打破了大规模、高性能解决方案的基准记录。
赋能向量数据库
实现最快检索
NVIDIA 将 cuVS 集成到向量搜索和数据库技术中，在信息检索方面提供无与伦比的速度和效率。在 cuVS 入门指南 中了解如何加速您的向量数据库。
向量搜索加速的用例
跨广泛应用领域的精选用例。
大语言模型
向量搜索加速了大语言模型中的查询过程，从而加快响应时间。通过快速找到高维空间中的最近向量，它能够有效处理复杂的语言模式，提升这些模型的整体性能和响应能力。
推荐系统
在推荐系统中，向量搜索在项目匹配中发挥着关键作用。加速向量搜索通过高效搜索数百万个潜在匹配项，减少延迟并提升推荐质量，为用户提供个性化和快速的体验。
计算机视觉
对于图像识别或对象检测等计算机视觉任务，向量搜索有助于快速查找相似向量，从而加速分类过程。通过 GPU 加速向量搜索，匹配特征和识别模式的过程得到显著优化，提升了计算机视觉系统的整体速度和准确性。
数据挖掘
向量搜索是许多重要数据挖掘算法的基础，例如查找聚类、降维和可视化数据点。GPU 加速向量搜索可以将大型机器学习和自然语言处理工作流从数小时缩短至近乎实时速度，从而实现混合搜索和异常检测等重要用例。
了解更多
查找更多资源并与开发者联系。
开放测试
cuVS 目前处于开放测试阶段，并正在积极开发中。它已准备好广泛使用，但存在一些已知限制和边缘情况。您可以通过 文档了解更多信息，其中还包含在您的系统上运行 cuVS ANN 基准测试的说明。