Accueil Projets awesome-vector-database
awesome-vector-database
approximate-nearest-neighbor-search

awesome-vector-database

Une liste soigneusement sélectionnée d'œuvres impressionnantes liées à la recherche de structures/vecteurs de haute dimension et aux bases de données

par dangkhoasdc · GitHub
Étoiles
Forks
Licence
Créé
Dernier commit
approximate-nearest-neighbor-searchembedding-similarityembeddings-similarityCC0-1.0
Voir sur GitHub
En termes simples

Explorez une collection de ressources liées à la recherche vectorielle haute dimensionnelle et aux bases de données.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
awesome-vector-database — GitHub preview card
📈 Historique des étoiles
356355
2026-07-202026-08-31
📈 Suivez awesome-vector-database

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Une liste soigneusement sélectionnée d'œuvres impressionnantes liées à la recherche de structures/vecteurs de haute dimension et aux bases de données

awesome-vector-database compte 355 étoiles sur GitHub. Il a été forké 24 fois. Il est développé activement depuis 2023. awesome-vector-database est disponible sous licence CC0-1.0. Ses principaux thèmes sont : approximate-nearest-neighbor-search, embedding-similarity, embeddings-similarity, nearest-neighbor-search.

Frequently asked questions

Qu'est-ce que awesome-vector-database ?

Une liste soigneusement sélectionnée d'œuvres impressionnantes liées à la recherche de structures/vecteurs de haute dimension et aux bases de données

awesome-vector-database est-il open source ?

awesome-vector-database est un projet open source. Il est distribué sous licence CC0-1.0.

awesome-vector-database est-il gratuit ?

Oui. awesome-vector-database est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Sous quelle licence est awesome-vector-database ?

awesome-vector-database est disponible sous licence CC0-1.0.

🏅 Mainteneur de ce projet ?
olud.ai badge — awesome-vector-database

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=dangkhoasdc-awesome-vector-database)](https://olud.ai/project/dangkhoasdc-awesome-vector-database.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
pgvector
Recherche de similarité vectorielle open-source pour Postgres
22.8k · approximate-nearest-neighbor-search
partagenearest-neighbor-searchapproximate-nearest-neighbor-search
lancedb
Bibliothèque de récupération intégrée OSS conviviale pour les développeurs pour l'IA multimodal…
10.9k · approximate-nearest-neighbor-search
partagenearest-neighbor-searchapproximate-nearest-neighbor-search
tinyvector
Une petite base de données d'embeddings en Rust pur.
435 · embeddings
partageembeddings-similarity
embedding_studio
Embedding Studio est un cadre qui vous permet de transformer votre base de données vectorielle…
382 · embeddings
partageembeddings-similarity
featureform
Le magasin de fonctionnalités virtuel. Transformez votre infrastructure de données existante en…
2k · data-quality
partageembeddings-similarity
vectordb
Une base de données vectorielle Python dont vous avez juste besoin - ni plus, ni moins.
650 · embedding-similarity
partageembedding-similarity
hora
🚀 bibliothèque de collections d'algorithmes de recherche de voisinage approximatif efficace écr…
2.7k · algorithm
partageapproximate-nearest-neighbor-search
qdrant
Qdrant - Base de données vectorielle haute performance et moteur de recherche vectoriel pour la…
33.4k · ai-search
partageembeddings-similarity
weaviate
Weaviate est une base de données vectorielle open-source qui stocke à la fois des objets et des…
16.6k · approximate-nearest-neighbor-search
postgresml
Postgres avec GPU pour applications ML/AI.
6.8k · ai

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.