#nearest-neighbor-search Dépôts
Découvrez 26 dépôts GitHub open source actifs associés à #nearest-neighbor-search, cumulant 199,964 étoiles au total (soit une moyenne de 7,690 étoiles par projet). Le projet en tête de ce thème est milvus-io/milvus, avec 46,712 étoiles.
26 dépôts au total
Milvus est une base de données vectorielle haute performance et native du cloud, conçue pour la recherche ANN vectorielle scalable.
Qdrant – Base de données vectorielle et moteur de recherche vectorielle haute performance et à grande échelle pour la prochaine génération d'IA. Également disponible dans le cloud https://cloud.qdrant.io/
Weaviate est une base de données vectorielle open-source qui stocke à la fois des objets et des vecteurs, permettant la combinaison de la recherche vectorielle avec un filtrage structuré avec la tolérance aux pannes et l'évolutivité d'une base de données native du cloud.
Voisins les plus proches approximatifs en C++/Python optimisé pour l'utilisation de la mémoire et le chargement/sauvegarde sur disque
Bibliothèque d'extraction intégrée OSS conviviale pour les développeurs pour l'IA multimodale. Recherchez plus ; gérez moins.
Le serveur MariaDB est un fork du serveur MySQL développé par la communauté. Lancé par des membres clés de l'équipe originale de MySQL, MariaDB travaille activement avec des développeurs externes pour offrir le serveur SQL open source le plus complet, le plus stable et le plus raisonnablement licencié de l'industrie.
La base de données native de l'IA conçue pour les applications LLM, offrant une recherche hybride incroyablement rapide de vecteurs denses, de vecteurs épars, de tenseurs (multi-vecteurs) et de texte intégral.
Un graphe de proximité pour la recherche vectorielle, les produits creux et l’attention sur RAM, VRAM et NVMe, appliqué aux vecteurs denses, séquences, formes et ensembles géospatiaux, en 14 langues 🔍
Recherche vectorielle évolutive, à faible latence et compatible avec l'hybride dans Postgres. Révolutionnez la recherche vectorielle, pas la base de données.
Une bibliothèque de recherche approximative du plus proche voisin pour Python et Java, axée sur la facilité d'utilisation, la simplicité et la déployabilité.
Collections de bibliothèques, de services et d'articles de recherche liés à la recherche vectorielle
Recherche du Voisin le Plus Proche avec Graphe de Voisinage et Arbre pour Données à Haute Dimensionnalité
Recherches rapides de Cosinus et autres Voisins les Plus Proches (basées sur un hachage sensible à la localité rapide)
Reconnaissance d'empreintes audio open source en .NET. Un algorithme efficace pour l'empreinte acoustique écrit entièrement en C#.
Une descente de voisin le plus proche en Python pour des voisins les plus proches approximatifs
Extension de base de données vectorielle PostgreSQL pour la création d'applications d'IA
Framework ultra-rapide pour le réglage fin des modèles d'apprentissage de similarité
Foire aux questions
Quel est le dépôt #nearest-neighbor-search le plus populaire sur GitHub ?
Le projet #nearest-neighbor-search open source le mieux classé sur GitHub est milvus-io/milvus, avec 46,712 étoiles. Milvus est une base de données vectorielle haute performance et native du cloud, conçue pour la recherche ANN vectorielle scalable.
Quels langages de programmation sont les plus utilisés dans les dépôts #nearest-neighbor-search ?
Parmi les projets #nearest-neighbor-search les mieux classés sur GitHub, les langages de programmation les plus courants sont C++, Rust, Python, Go.
Comment le classement des dépôts #nearest-neighbor-search est-il calculé ?
Nous suivons 26 dépôts open source actifs associés à #nearest-neighbor-search (500+ étoiles), totalisant 199,964 étoiles, avec une moyenne de 7,690 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.