从源码构建 cuVS Bench

依赖项

运行基准测试需要 CUDA 11 和 Volta 架构或更高版本的 GPU。

请参阅安装文档，了解构建 cuVS 的基本要求。

除了构建 cuVS 的基本要求外，构建 ANN 基准测试所需的额外依赖项包括： 1. FAISS GPU >= 1.7.1 2. Google Logging (GLog) 3. H5Py 4. HNSWLib 5. nlohmann_json 6. GGNN

使用 rapids-cmake 构建 ANN 基准测试，因此 CUDA 工具包中未提供的依赖项代码将自动下载和构建。

安装构建 ANN 基准测试所需依赖项最简单（且最可重现）的方法是使用位于 cuVS 仓库 conda/environments 目录中的 conda 环境文件。以下命令将使用 mamba（优先于 conda）构建并激活一个新的环境来编译基准测试

conda env create --name cuvs_benchmarks -f conda/environments/cuvs_bench_cuda-118_arch-x86_64.yaml
conda activate cuvs_benchmarks

上述 conda 环境也将减少编译时间，因为像 FAISS 这样的依赖项将已被安装，无需通过 rapids-cmake 编译。

编译基准测试

满足所需依赖项后，编译 ANN 基准测试最简单的方法是使用 RAFT 源代码仓库根目录下的 build.sh 脚本。以下命令将构建所有支持算法的可执行文件

./build.sh bench-ann

您可以通过提供以分号分隔的可执行文件名列表来限制构建的算法（每个算法都带有 _ANN_BENCH 后缀）

./build.sh bench-ann -n --limit-bench-ann=HNSWLIB_ANN_BENCH;CUVS_IVF_PQ_ANN_BENCH

可与 --limit-bench-ann 一起使用的可用目标包括： - FAISS_GPU_IVF_FLAT_ANN_BENCH - FAISS_GPU_IVF_PQ_ANN_BENCH - FAISS_CPU_IVF_FLAT_ANN_BENCH - FAISS_CPU_IVF_PQ_ANN_BENCH - FAISS_GPU_FLAT_ANN_BENCH - FAISS_CPU_FLAT_ANN_BENCH - GGNN_ANN_BENCH - HNSWLIB_ANN_BENCH - CUVS_CAGRA_ANN_BENCH - CUVS_IVF_PQ_ANN_BENCH - CUVS_IVF_FLAT_ANN_BENCH

默认情况下，*_ANN_BENCH 可执行程序通过文件名扩展名推断数据集的数据类型。例如，扩展名为 fbin 使用 float 数据类型，f16bin 使用 float16 数据类型，扩展名为 i8bin 使用 int8_t 数据类型，u8bin 使用 uint8_t 类型。目前仅支持 float、float16、int8_t` 和 uint8_t 类型。