向量動態量化

import dashvector
import numpy as np

client = dashvector.Client(
    api_key='YOUR_API_KEY',
    endpoint='YOUR_CLUSTER_ENDPOINT'
)
assert client

# 建立帶有量化策略的collection
ret = client.create(
    'quantize_demo',
    dimension=768,
    extra_params={
        'quantize_type': 'DT_VECTOR_INT8'
    }
)
print(ret)

collection = client.get('quantize_demo')

# 正常寫入向量資料，該向量資料會按照建立collection時定義的量化策略自動進行量化
collection.insert(('1', np.random.rand(768).astype('float32')))

# 通過id擷取對應的doc，需注意，這裡擷取到的向量資料是經過反量化後的近似值，非插入時的原值
doc = collection.fetch('1')

# 若檢索時設定返迴向量資料，返回的向量資料同樣是經過反量化後的近似值，非插入時的原值
docs = collection.query(
    vector=np.random.rand(768).astype('float32'),
    include_vector=True
)