TiDB Vector 太香啦：以图搜图初体验！
💡
原文中文，约8400字，阅读约需20分钟。
📝
内容提要
TiDB Serverless引入了矢量化功能，允许用户体验TiDB Vector。文章详细介绍了作者的经验，包括创建TiDB Vector实例和进行矢量检索。文章还讨论了图像和自然语言搜索的基本应用。作者推荐对TiDB Serverless感兴趣的人探索TiDB Vector。
🎯
关键要点
- TiDB Serverless引入了向量化功能，用户可以体验TiDB Vector。
- 文章分享了作者的TiDB Vector初体验，包括创建实例和向量检索。
- TiDB Serverless提供免费试用额度，用户只需注册TiDB Cloud账号即可。
- 向量是浮点数组，embedding是将非结构化数据转化为向量的过程。
- 向量检索通过计算向量之间的相似度来实现。
- 作者展示了如何创建带有向量字段的表并进行数据插入和检索。
- 介绍了余弦相似度和欧式距离作为向量检索的常用方法。
- 展示了以图搜图的基本实现流程，包括连接TiDB和使用Python SDK。
- 使用HNSW算法优化向量索引，提高检索性能。
- 自然语言搜索图片的实现，展示了文本到向量的转换过程。
- TiDB Vector的推出为非结构化数据搜索提供了新的可能性。
- 未来期待更多索引类型和GPU加速等功能的支持。
➡️
