一文了解柏睿向量计算引擎图片秒搜能力

上期我们介绍了如何使用柏睿向量计算引擎1分钟实现以图搜图的功能，下面我们再来介绍柏睿向量计算引擎在图片处理上的其它能力。

准备工作

图片数据集:imagenet-1k 素材库中test数据集，共10万张图片，最小图片1K，最大图片9.1MB。

网址：https://huggingface.co/datasets/imagenet-1k

Embedding模型:CLIP-ViT-B-32-laion2B-s34B-b79K

网址：https://huggingface.co/laion/CLIP-ViT-B-32-laion2B-s34B-b79K

功能演示

1. 图片向量数据存储

每张图经过Embedding后存入柏睿向量计算引擎为固定长度2048B，相比最大的9.1MB原始图片，相当于将节省450,000%的存储空间。

如果再借助我们上期讲的以图搜图功能+柏睿流湖仓归档产品，为用户实现低成本的海量音视频存储解决方案。

2. 搜索准确度

在上期我们测试过以图搜图的能力，本次又对水果进行搜索，准确依然很高。

搜索图片：

搜索结果：完全正确

3. 搜索速度

我们依然和某国际知名向量数据库进行速度比较。

1.使用CLIP-ViT-B-32-laion2B-s34B-b79K Embedding模型将imagenet-1k数据集的10万张图片向量化存入柏睿向量计算引擎中；

2.从互联网找一张图片，作为搜索图片；

3.使用搜索图片在柏睿向量计算引擎中连续搜索4次，取平均值作为最终查询结果。

柏睿向量计算引擎查询结果：

Faiss 查询时间：

从上面的结果数据看，柏睿向量计算引擎在10万张图片向量中的查询速度与某国际知名向量数据库不相伯仲。