使用示例

下方使用示例以使用sift-128-euclidean.hdf5数据集，线程数80为例，数据集可通过以下方式获取：

1	wget http://ann-benchmarks.com/sift-128-euclidean.hdf5 --no-check-certificate

请获取测试程序，假设程序运行的目录为“/path/to/kbest_test/demo”，完整的目录结构应如下所示：

├── ann_dataset                                           // 处理数据集
├── indices                                               // 存放构建好的图索引，运行时（对应数据集配置文件"save_types"为save_graph）会自动创建
      └── sift-128-euclidean_TSDG_R_32_L_300.ksn          // 构建好的图索引，运行时（对应数据集配置文件"save_types"为save_graph）自动生成
├── searcher_indices                                      // 存放构建好的检索器，运行时（对应数据集配置文件"save_types"为save_searcher）会自动创建
      └── sift-128-euclidean_TSDG_R_32_L_300.ksn          // 构建好的检索器，运行时（对应数据集配置文件"save_types"为save_searcher）自动生成
├── datasets                                              // 存放数据集
      └── sift-128-euclidean.hdf5
├── main.py                                               // 包含运行函数的文件
└── sift_99.json                                          // 对应数据集配置文件
└── run.sh                                                // 运行示例脚本

运行步骤如下：

假设程序运行的目录为“/path/to/kbest_test/demo”，存放数据集至当前路径下的datasets文件夹。

安装相关依赖。

pip install scikit-learn h5py psutil numpy==1.24.2
yum install numactl numactl-devel

运行main.py。
1
python main.py 80 -1 sift_99.json
测试指令参数与解释如下所示。
```
python main.py <threads> <batch_size> <json_name>
```
- “threads”表示实际运行时的线程数。
- “batch_size”表示batch查询模式下一次查询的query数量，设置为“-1”时表示一次查询数据集中所有的查询query。
- “json_name”表示测试数据集对应的配置文件名称。
执行结果如下。

父主题： Python