Freigeben über

ScalarQuantizationCompression interface

Paket:
@azure/search-documents

Enthält Konfigurationsoptionen, die spezifisch für die skalare Quantisierungskomprimierungsmethode sind, die während der Indizierung und Abfrage verwendet wird.

Extends
BaseVectorSearchCompression

Eigenschaften

kind

Polymorphe Diskriminator, der die verschiedenen Typen angibt, die dieses Objekt sein kann
parameters

Enthält die parameter, die für die Skalar quantization spezifisch sind.

Geerbte Eigenschaften

compressionName

Der Name, der dieser bestimmten Konfiguration zugeordnet werden soll.
rescoringOptions

Enthält die Optionen für die Korrektur.
truncationDimension

Die Anzahl der Dimensionen, mit der die Vektoren abgeschnitten werden sollen. Durch das Abschneiden der Vektoren wird die Größe der Vektoren und die Datenmenge reduziert, die während der Suche übertragen werden muss. Dies kann Speicherkosten sparen und die Suchleistung auf Kosten des Rückrufs verbessern. Es sollte nur für Einbettungen verwendet werden, die mit Matryoshka Representation Learning (MRL) trainiert wurden, z. B. OpenAI-Text-Embedding-3-large (klein). Der Standardwert ist NULL, was bedeutet, dass keine Abkürzung erfolgt.

Details zur Eigenschaft

kind

Polymorphe Diskriminator, der die verschiedenen Typen angibt, die dieses Objekt sein kann

kind: "scalarQuantization"

Eigenschaftswert

"scalarQuantization"

parameters

Enthält die parameter, die für die Skalar quantization spezifisch sind.

parameters?: ScalarQuantizationParameters

Eigenschaftswert

ScalarQuantizationParameters

Geerbte Eigenschaftsdetails

compressionName

Der Name, der dieser bestimmten Konfiguration zugeordnet werden soll.

compressionName: string

Eigenschaftswert

string

Geerbt vonVectorSearchCompression.compressionName

rescoringOptions

Enthält die Optionen für die Korrektur.

rescoringOptions?: RescoringOptions

Eigenschaftswert

RescoringOptions

Geerbt vonVectorSearchCompression.rescoringOptions

truncationDimension

Die Anzahl der Dimensionen, mit der die Vektoren abgeschnitten werden sollen. Durch das Abschneiden der Vektoren wird die Größe der Vektoren und die Datenmenge reduziert, die während der Suche übertragen werden muss. Dies kann Speicherkosten sparen und die Suchleistung auf Kosten des Rückrufs verbessern. Es sollte nur für Einbettungen verwendet werden, die mit Matryoshka Representation Learning (MRL) trainiert wurden, z. B. OpenAI-Text-Embedding-3-large (klein). Der Standardwert ist NULL, was bedeutet, dass keine Abkürzung erfolgt.

truncationDimension?: number

Eigenschaftswert

number

Geerbt vonVectorSearchCompression.truncationDimension