【下集】向量数据库技术鉴赏

【下集】向量数据库技术鉴赏

[@user-pe3sh6qy1u]

非常棒的影片，作者之後若開發付費內容小弟一定是支持的，感謝作者的創作內容

[@paulsimon8012]

现在，请感谢作者🤣

[@b97b01067]

想一想 不就城鎮內道路、高速公路、直達車的例子，近端就走小路拐幾下就到，要去遠的地方，先上高速公路，到了再切小道路到目的地 真的是所有知識都是互通的

[@user-nf4mv5pv9u]

一個很致命的點在於
區分兩個值的方式就是提高維度 如果值很多 區分不開 只能繼續提高維度
但是量化的本質卻很類似於降低維度來減少開銷
取得之間的平衡便是困難之處
同時 效率的提升也代表著更高效的區分值
並且更精確的區分

[@huangyingjun4545]

视频做得太用心了，内容更是没的说。太棒了。谢谢作者

[@kyomind]

品質沒話說，太令人讚賞了

[@ptes9761512]

真的很優質的影片，超讚的，精度跟乾貨的濃度很足

[@siegfried9516]

PQ和NSW算法的部分很讚，學到了點新的演算法思路，謝謝這麼精緻的導論

[@afvfz606]

太强了，太好了，这两个视频真的太好了

[@babaybay650]

我以前是做向量應用的硬體，謝謝你的視頻 我學會了很多

[@yx2333]

感谢邱老师🙏🏻

[@user-vu6qs5hj4e]

这种形象化的学习过程太好了，能够快速掌握相关概念，及其分野，无需太过抽象、烧脑

[@Haru-rl8qp]

帮助很大 没想到有人真能讲清向量数据库

[@zefyra-metriz]

很棒的解說，簡單易懂，其實我也很想學這類技術，只可惜沒時間，感謝大大。

[@knemchen]

講得很清楚，之前碩班做研究就是卡在高維搜尋的困境上

[@yuhao8686]

非常棒，太優質了

[@ycclau]

可以將vectordb內 clustering 及OS memory mapping解說得非常清楚，太強了

[@iuiiu109]

非常的直覺~ 感謝分享~ 請問有開相關更詳細的課程嗎?

[@demonkitdk3525]

一个建议，能否在介绍之后简单提及一下这个技术的应用场景。

[@leoshi6277]

绝对优质，不得不点赞！

[@xx-ku7uj]

个人觉得大模型本就是就是一个向量数据库，这对向量数据库本身是一个降维打击

[@jiaxuanliu2723]

一般的大模型本身不具有实时信息查询和垂类领域专精的能力，用向量数据库做大模型的知识库可以有效增强这方面的能力，两者并不冲突。再者建立一个向量库的成本可比针对某一领域做SFT低多了。

[@palapapa0201]

做的超級好

[@singo1232001]

太屌 我真的佩服

[@allentsai1982]

太有料

[@Evan-d5i]

很好奇这里在解决“维度灾难”问题时，可以使用manifold方法吗？

[@jackyz5053]

码本为什么会超过本身存储的大小呢，最极端的情况下，每个向量对应码本中的一条记录，那码本的大小也只是不压缩时的存储大小

[@changsheng12]

不会超过本身储存大小，而是会超过向量所省下来的储存空间。

[@user-wl3pw5fm1p]

講的很好懂!!

[@afvfz606]

请问您是怎么制作的这个视频呀？

[@user-om7tc1dy1p]

這影片太強了

[@ken4660-m5p]

7:48 偷臭XD

[@jinghangli623]

这些向量都是被神经网路生成的 所以同一张图片通过不同的神经网络会有不同的向量值。所以建立向量数据库是要统一神经网络结构吗

[@Haru-rl8qp]

工程师对于具体问题常常要微调神经网络结构的来实现更高的预测精度。所以首先 神经网络结构应该不可能统一

[@gns880134guy]

讚

[@JSiuDev]

重鎚 7:19 來了。。。。7:27 沒了。。。🤣

[@面面喵]

这些论文都是发表在哪里的呀？

[@KeevnWang]

直接拿论文名字搜一下就不有了

[@面面喵]

@@KeevnWang