scann：可伸缩最近邻居

SCANN(Scalable Neighbor Neighbors)是一种在尺度上进行高效向量相似搜索的方法。此代码版本实现了[1]，它包括搜索空间剪枝和最大内积搜索的量化，还支持其他距离函数，如欧几里德距离。该实现是为支持AVX2的x86处理器设计的。scann在ann-Benchmark s.com上实现了一流的性能，如下面的Glove-100角度数据集所示：

scann可以配置为适合不同大小和分布的数据集，它有TensorFlow和Python API。该库在处理大数据集时表现出很强的性能[1]。该代码是出于研究目的而发布的。有关算法的学术描述的更多细节，请参见[1]。

@文章{标题={用各向异性矢量量化加速大规模推理}，作者={郭瑞琪和孙飞，菲利普和林格伦，埃里克和耿爽，泉和司查，大卫和陈大卫，费利克斯和库马尔，三吉}，期刊={arxiv预印本arxiv：1908.10396}，年份={2020年}}。

有关与Ubuntu 16.04或更高版本上的Python3.5、3.6和3.7兼容的预构建二进制文件，请参阅上面的内容。这些二进制文件可以使用pip install<；whl name>；安装。这些二进制文件需要GLIBCXX 3.4.26或更高版本，GCC 9附带这些软件。请使用您的操作系统说明安装GCC 9。

要从源代码构建scann，首先需要安装C++17的构建工具bazel、clang 8和libstdc++头文件(随GCC 9提供)。此外，scann需要在该版本的Python上安装最新版本的Python(3.5.x或更高版本)和TensorFlow 2.1.0。满足这些前提条件后，在存储库的root目录中运行以下命令：

成功完成这些命令后，.whl文件应出现在存储库的根目录中。这个.whl可以通过pip安装。