# [PGVector](https://github.com/pgvector/pgvector)
[施工中]
[探索PG Vector 與 google multimodal模型應用](https://gdg.community.dev/events/details/google-gdg-taipei-presents-tan-suo-pg-vector-yu-google-multimodalmo-xing-ying-yong/)
## Add extension in postgres

create extension vector

create 一樣
insert into items (embedding) values (`[1,2,3],[1,2,3]`)
select只有最後embedded的地方不同
建index也一樣

L2 distance: Euclidean distance(純量)
L1 distance: Manhattan Distance(純量)

Jaccard distance
cosine distance

PG index使用
# Create
create index ....

# Query
探索的群:

begin
select index...
end

# 舊的做法
1. 關鍵字搜尋，分詞
2. tsvector存結構
3. 加上GIN type index方便利用keyword搜尋vector

# Now
RAG(Retrivel augmented generation)
Vector->prompt->LLM->user->embedded model->vectordb

# CLIP(Constrastive language-image pretraining)
Connecting text and images
將文字和圖片映射到向量空間中
把兩個都轉成vector
text encode : text => vector => project to space
image encode : image => vector => project to space
再訓練完後，這個空間就同時表達了文字與圖片的抽象意義

例如文字，拆成單詞儲存到向量空間
圖片，透過辨識轉成問字儲存到向量空間，這樣就可以對應起來了
> 同樣這樣的方法也可以用在搜尋上
會受訓練資料集的影響
同樣原理也可以用圖片去搜尋聲音
也可以反過來，用聲音生成影像

Q1: index建立？
Q2: KNN ->太接近或相似會怎麼處理？

# generation
形象向量 => 具體
text vector => picture vector => generation
(transform) (generation)
DALLE image editing
origin picture => bird => picture + bird
(mask)

eg:利用CLIP實作穿搭資料庫

# The limit of PGVector
IndexTypleData.t_info
* 超過2000個維度問題(2^14 bytes限制)
* 最大尺寸2000,保留46
sol:
## 1
1. 變更數值使用空間
2. 會些微失真(side effect)
4bytes->2bytes
## 2
不依賴postgres => postgres.rs ，但是會有ＡＣＩＤ問題
## 3
資料降維度
和1一樣有可能會失真
1048 float->128/256/512