本文連接：https://wanger-sjtu.github.io/CARGA/ CAGRA 是 N社在RAFT項目中 最新的 ANN 向量索引。這是一種高性能的、 GPU 加速的、基于圖的方法，尤其是針對小批量情況進行了優(yōu)化，其中每次查找只包含一個或幾個查詢向量。 與其他像HNSW、S
本文連接： https://wanger-sjtu.github.io/CARGA/
CAGRA是N社在RAFT項目中最新的ANN（近似最近鄰）向量索引算法。它是一種高性能的、GPU加速的、基于圖的方法，特別針對小批量情況進行了優(yōu)化，其中每次查找只包含一個或幾個查詢向量。與其他基于圖的方法（如HNSW、SONG等）類似，CAGRA在索引訓練階段構建了一個經過優(yōu)化的k-最近鄰（k-NN）圖。這個圖具備多種優(yōu)良特性，能夠在保持合理召回率的同時實現(xiàn)高效的搜索。與NSW、HNSW算法不同的是，CARGA算法是單層的圖，在構建和查詢階段做了特殊的優(yōu)化以適應GPU計算加速。
代碼示例：
using namespace raft::neighbors;
// use default index parameters based on shape of the dataset
ivf_pq::index_params build_params = ivf_pq::index_params::from_dataset(dataset);
ivf_pq::search_params search_params;
auto knn_graph = raft::make_host_matrix(dataset.extent(0), 128);
// create knn graph
cagra::build_knn_graph(res, dataset, knn_graph.view(), 2, build_params, search_params);
auto optimized_gaph = raft::make_host_matrix(dataset.extent(0), 64);
cagra::optimize(res, dataset, knn_graph.view(), optimized_graph.view());
// Construct an index from dataset and optimized knn_graph
auto index = cagra::index(res, build_params.metric(), dataset,
optimized_graph.view());
CAGRA構建的圖有幾個不同之處：
