用散列分叉的快速过程
hashranking的Python项目详细描述
在深度学习研究中,哈希、检索和排序任务通常需要计算检索映射,这可能会导致计算开销。 通常,散列表示为浮点数的nDarrays,其中浮点数的符号具有位的含义。这是因为神经网络与浮点数一起工作,而浮点数正是神经网络的输出。基于通常在numpy中实现的查询计算数据库中文档的排名,这可能是次优的。
这个软件包提供了几个功能,可以快速计算汉明距离、排名和地图计算。
所有API都有两个后端: *numpy实现,它简单、直接,并且尽可能高效地实现纯numpy。用作参考。 *C++Python扩展,实现相同的API,平均比NoMy实现快10倍,大大提高内存效率。