数据准备

faiss可以处理固定维度d的向量集合，该集合用二维数组表示。 一般来说，需要两个数组：

  • data：包含被索引的所有向量元素；

  • query：索引向量，需要根据索引向量的值返回与向量集中的最近邻元素；

为了对比不同索引方式的差别，在下面的例子中统一使用完全相同的数据，即维数d为512，data包含2000个向量，每个向量符合正态分布。

注意

faiss需要向量数组中的元素都是32位浮点数格式， datatype = 'float32'

制作向量集合数据

import numpy as np
from matplotlib import pyplot as pltd = 512  # 维数
n_data = 2000  # 向量集合中的向量个数
np.random.seed(0)
data = []
mu = 3
sigma = 0.1for i in range(n_data):data.append(np.random.normal(mu, sigma, d))# convert into float32
data = np.array(data).astype('float32')# print(data[0])# 查看第六个向量是否符合正态分布
plt.hist(data[5])
plt.show()

在这里插入图片描述

制作请求向量

query = []
n_query = 10  # 请求向量十个
mu = 3
sigma = 0.1
np.random.seed(12)
query = []
for i in range(n_query):query.append(np.random.normal(mu, sigma, d))  # 请求向量维度要与向量集合维度一致# convert into float32
query = np.array(query).astype('float32')
print(query[0])

精确索引

在使用faiss时，是围绕index对象进行的。index中包含被索引的数据库向量，在索引时可以选择不同方式的预处理来提高索引的效率，表现维不同的索引类型。

在精确搜索时选择最简单的IndexFlatL2索引类型。IndexFlatL2类型遍历计算查询向量与被查询向量的L2精确距离（faiss中是没有开方运算），不需要训练操作（大部分index类型都需要train操作）。
在构建index时要提供相关参数：向量维数d，构建完成index之后可以通过add()向向量集合中添加向量和search()进行请求向量查询。

import sys
import faissindex = faiss.IndexFlatL2(d)  # 构建index，维度为512
print(index.is_trained)  # False时需要train
index.add(data)  # 添加数据
print(index.ntotal)  # index中向量的个数

True
2000

k = 10  # 返回结果个数
query_self = data[:5]  # 查询本身
dis, ind = index.search(query_self, k)  # 搜索自己的前五个元素
print(dis)  # 升序返回每个查询向量的距离
print(ind)  # 升序返回每个查询向量的k个相似结果

[[0.        8.007045  8.313329  8.53525   8.560173  8.561645  8.6241678.628234  8.70998   8.770039 ][0.        8.2780905 8.355575  8.426064  8.462012  8.468867  8.4870298.549965  8.562829  8.599193 ][0.        8.152366  8.156565  8.223303  8.276013  8.376869  8.3792698.406124  8.418624  8.443278 ][0.        8.26052   8.336825  8.339297  8.402873  8.46439   8.4746618.479044  8.485244  8.526601 ][0.        8.34627   8.407206  8.4628315 8.497226  8.520797  8.5970828.600384  8.605135  8.63059  ]]
[[   0  798  879  223  981 1401 1458 1174  919   26][   1  981 1524 1639 1949 1472 1162  923  840  300][   2 1886  375 1351  518 1735 1551 1958  390 1695][   3 1459  331  389  655 1943 1483 1723 1672 1859][   4   13  715 1470  608  459  888  850 1080 1654]]

因为查询向量是数据库向量的子集，所以每个查询向量返回的结果中排序第一的就是其本身，对应的index为其数组下标，L2距离是0.

查询随机生成的向量请求

k = 10
dis, ind = index.search(query, k)
print(dis)
print(ind)

[[8.61838   8.782156  8.782816  8.832027  8.837635  8.8484955 8.8979788.9166355 8.919006  8.937399 ][9.033302  9.038906  9.091706  9.155842  9.164592  9.200113  9.2018859.220333  9.279479  9.312859 ][8.063819  8.211029  8.306456  8.373353  8.459253  8.459894  8.4985568.546466  8.555407  8.621424 ][8.193895  8.211957  8.34701   8.446963  8.45299   8.45486   8.4735728.504771  8.513636  8.530685 ][8.369623  8.549446  8.704066  8.736764  8.760081  8.777317  8.8313458.835485  8.858271  8.860057 ][8.299071  8.432397  8.434382  8.457373  8.539217  8.562357  8.5790338.618738  8.630859  8.6433935][8.615003  8.615164  8.72604   8.730944  8.762621  8.796932  8.7970668.797366  8.813984  8.834725 ][8.377228  8.522776  8.711159  8.724562  8.745737  8.763845  8.76868.7728    8.786858  8.828223 ][8.3429165 8.488056  8.655106  8.662771  8.701336  8.741288  8.74360758.770506  8.786265  8.8490505][8.522163  8.575702  8.684618  8.767246  8.782908  8.850494  8.8837328.903692  8.909395  8.917681 ]]
[[1269 1525 1723 1160 1694   48 1075 1028  544  916][1035  259 1279 1116 1398  879  289  882 1420 1927][ 327  345 1401  389 1904 1992 1612  106  981 1179][1259  112  351  804 1412 1987 1377  250 1624  133][1666  854 1135  616   94  280   30   99 1212    3][ 574 1523  366  766 1046   91  456  649   46  896][1945  944  244  655 1686  981  256 1555 1280 1969][ 879 1025  390  269 1115 1662 1831  610   11  191][ 156  154   99   31 1237  289  769 1524   56  661][ 427  182  375 1826  610 1384 1299  750    2 1430]]

倒排表快速索引

在数据量非常大的时候，需要对数据做预处理来提高索引效率。一种方式是对数据库向量进行分割，划分为多个d维维诺空间，查询阶段，只需要将查询向量落入的维诺空间中的数据库向量与之比较，返回计算所得的k个最近邻结果即可，大大缩减了索引时间。

  • nlist参数控制将数据集向量分为多少个维诺空间；
  • nprobe参数控制在多少个维诺空间的范围内进行索引；

img

nlist = 50  # 将数据库向量分割为多少了维诺空间
k = 10
quantizer = faiss.IndexFlatL2(d)  # 量化器
index = faiss.IndexIVFFlat(quantizer, d, nlist, faiss.METRIC_L2)# METRIC_L2计算L2距离, 或faiss.METRIC_INNER_PRODUCT计算内积(归一化后就是cos距离)
print(index.is_trained)
assert not index.is_trained   # 倒排表索引类型需要训练, index.is_trained is False
index.train(data)  # 训练数据集应该与数据库数据集同分布
assert index.is_trained  # 训练完毕后，index.is_trained is Trueindex.add(data)
index.nprobe = 50  # 选择nprobe个维诺空间进行索引
dis, ind = index.search(query, k)
print(dis)
print(ind)

[[8.6183815 8.78215   8.782821  8.832027  8.837631  8.848494  8.8979798.916634  8.919007  8.937392 ][9.033305  9.038907  9.0917015 9.155841  9.164595  9.2001095 9.2018889.220334  9.279476  9.312865 ][8.063819  8.21103   8.306449  8.373355  8.459251  8.459897  8.4985558.546462  8.555409  8.621427 ][8.1938925 8.211952  8.347012  8.446964  8.4529915 8.454856  8.4735668.504776  8.51364   8.530683 ][8.369622  8.549448  8.704068  8.736766  8.760081  8.777319  8.8313438.835488  8.858268  8.860054 ][8.299072  8.432399  8.434377  8.457372  8.539215  8.562353  8.5790338.618742  8.630864  8.643396 ][8.615     8.615165  8.726043  8.7309475 8.762618  8.796934  8.7970698.797364  8.813985  8.83472  ][8.377228  8.522775  8.71116   8.724566  8.745737  8.763844  8.7686028.772798  8.786855  8.828219 ][8.342917  8.488055  8.655108  8.662769  8.701336  8.741289  8.7436068.770508  8.786264  8.84905  ][8.522164  8.575698  8.684619  8.767242  8.782908  8.850493  8.8837318.90369   8.909393  8.9176855]]
[[1269 1525 1723 1160 1694   48 1075 1028  544  916][1035  259 1279 1116 1398  879  289  882 1420 1927][ 327  345 1401  389 1904 1992 1612  106  981 1179][1259  112  351  804 1412 1987 1377  250 1624  133][1666  854 1135  616   94  280   30   99 1212    3][ 574 1523  366  766 1046   91  456  649   46  896][1945  944  244  655 1686  981  256 1555 1280 1969][ 879 1025  390  269 1115 1662 1831  610   11  191][ 156  154   99   31 1237  289  769 1524   56  661][ 427  182  375 1826  610 1384 1299  750    2 1430]]

通过改变nprobe（n个桶）的值，发现在nprobe值较小的时候，查询可能会出错，但时间开销很小，随着nprobe的值增加，精度逐渐增大，但时间开销也逐渐增加

当nprobe=nlist时，等效于IndexFlatL2索引类型

简而言之，倒排表索引首先将数据库向量通过聚类方法分割成若干子类，每个子类用类中心表示，当查询向量来临，选择距离最近的类中心，然后在子类中应用精确查询方法，通过增加相邻的子类个数提高索引的精确度

乘积量化索引

在上述两种索引方式中，在index中都保存了完整的数据库向量，在数据量非常大的时候会占用太多内存，甚至超出内存限制。
在faiss中，当数据量非常大的时候，一般采用乘积量化方法保存原始向量的有损压缩形式,故而查询阶段返回的结果也是近似的

nlist = 50
m = 8                             # 列方向划分个数，必须能被d整除
k = 10
quantizer = faiss.IndexFlatL2(d)  
index = faiss.IndexIVFPQ(quantizer, d, nlist, m, 4)# 4 表示每个子向量被编码为 4 bits
index.train(data)
index.add(data)
index.nprobe = 50
dis, ind = index.search(query_self, k)  # 查询自身
print(dis)
print(ind)
dis, ind = index.search(query, k)  # 真实查询
print(dis)
print(ind)

[[4.8332453 4.916275  5.0142426 5.0211687 5.0282335 5.039744  5.0633745.0652556 5.065288  5.0683947][4.456933  4.6813188 4.698038  4.709836  4.72171   4.7280436 4.7285644.728917  4.7406554 4.752378 ][4.3990726 4.554667  4.622962  4.6567664 4.665245  4.700697  4.70566464.715714  4.7222314 4.7242   ][4.4063187 4.659938  4.719548  4.7234855 4.727058  4.7630377 4.7671384.770565  4.7718883 4.7720337][4.5876865 4.702366  4.7323933 4.7387223 4.7550535 4.7652235 4.78202724.788397  4.792813  4.7930083]]
[[   0 1036 1552  517 1686 1666    9 1798  451 1550][   1  725  270 1964  430  511  598   20  583  728][   2  761 1254  928 1913 1886  400  360 1850 1840][   3 1035 1259 1884  584 1802 1337 1244 1472  468][   4 1557  350  233 1545 1084 1979 1537  665 1432]][[5.184828  5.1985765 5.2006407 5.202751  5.209732  5.2114754 5.22038275.22132   5.2252693 5.2286644][5.478416  5.5195136 5.532296  5.563965  5.564443  5.5696826 5.5865555.5897493 5.59312   5.5942397][4.7446747 4.8150816 4.824335  4.834736  4.83847   4.844829  4.8506634.853364  4.856619  4.865398 ][4.733185  4.7483554 4.7688575 4.783175  4.785554  4.7890463 4.79395774.797909  4.8015175 4.802591 ][5.1260395 5.1264906 5.134188  5.1386065 5.141901  5.148476  5.17560865.1886897 5.192538  5.1938267][4.882325  4.900981  4.9040375 4.911916  4.916094  4.923492  4.9284334.928472  4.937878  4.9518585][4.9729834 4.976016  4.984484  5.0074816 5.015956  5.0174923 5.02008875.0217285 5.028976  5.029479 ][5.064405  5.0903125 5.0971365 5.098599  5.108646  5.113497  5.11559155.1244674 5.1263866 5.129635 ][5.060173  5.0623484 5.075763  5.087064  5.100909  5.1075807 5.1093095.110051  5.1323767 5.1330123][5.12455   5.149974  5.151128  5.163775  5.1637926 5.1726117 5.17325455.1762547 5.1780767 5.185327 ]]
[[1264  666   99 1525 1962 1228  366  268  358 1509][ 520  797 1973  365 1545 1032 1077   71  763  753][1632  689 1315  321  459 1486  818 1094  378 1479][ 721 1837  537 1741 1627  154 1557  880  539 1784][1772  750 1166 1799  572  997  340  127  756  375][1738 1978  724  749  816 1046 1402  444 1955  246][1457 1488 1902 1187 1485  986   32  531   56  913][1488 1244  121 1144 1280 1078 1012 1215 1639 1175][ 426   45  122 1239  300 1290  546  505 1687  434][ 263  343 1025  583 1489  356 1570 1282  627 1432]]

实验发现，乘积量化后查询返回的距离值与真实值相比偏小，返回的结果只是近似值

查询自身时能够返回自身，但真实查询时效果较差，这里只是使用了正态分布的数据集，在真实使用时效果会更好，原因有：

  • 正态分布的数据相对更难查询，难以聚类/降维；
  • 自然数据相似的向量与不相似的向量差别更大，更容易查找；

参考

  • https://github.com/liqima/faiss_note
  • https://zhuanlan.zhihu.com/p/33896575
查看全文
如若内容造成侵权/违法违规/事实不符，请联系编程学习网邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！

相关文章

  1. JZ55二叉树的深度C++

    链接 https://www.nowcoder.com/practice/435fb86331474282a3499955f0a41e8b?tpId13&tqId11191&rp1&ru/ta/coding-interviews&qru/ta/coding-interviews/question-ranking 描述： 示例： 代码： 方法一： class …...

    2024/4/13 12:23:21
  2. SDUT ACM OJ 实验二链表

    A &#xff1a;顺序建立链表 #include<stdio.h> #include<stdlib.h>struct node {int data;struct node *next; }*head,*tail,*p,*q;int main () {head(struct node *)malloc(sizeof(struct node));head->nextNULL;tailhead;int n,i;scanf("%d",&…...

    2024/4/13 12:23:36
  3. 错题小结2

    1. 问题&#xff1a;程序出错在什么阶段&#xff1f; 答案&#xff1a;程序正常运行 解析&#xff1a;main函数可以接受两个参数 int main(int argc,char *argv[])&#xff0c;argc arguments count表示参数个数&#xff0c;argv argument vector表示指针数组&#xff0c;同…...

    2024/4/13 12:23:11
  4. PAT1017

    1017 A除以B (20 分) 本题要求计算 A/B&#xff0c;其中 A 是不超过 1000 位的正整数&#xff0c;B 是 1 位正整数。你需要输出商数 Q 和余数 R&#xff0c;使得 ABQR 成立。 输入格式&#xff1a; 输入在一行中依次给出 A 和 B&#xff0c;中间以 1 空格分隔。 输出格式&a…...

    2024/4/13 12:23:36
  5. YbtOJ-森林之和【dp】

    正题 题目大意 一个节点的权值定义为它度数的平方&#xff0c;求所有nnn个点的有标号森林的所有节点权值和。 1≤n,T≤51031\leq n,T\leq 5\times 10^31≤n,T≤5103 解题思路 首先因为所有节点本质相同&#xff0c;所以我们可以只考虑一个节点所有情况下的权值和。 然后考虑…...

    2024/4/13 12:23:21
  6. 浅谈selenium的webdriver（python自动化）

    提前约定一些变量 from selenium import webdriver driver webdriver.Chrome() url"xxx" driver.get(url)定位方法 通过元素id定位 driver.find_element(By.ID,id)通过元素name定位 driver.find_element(By.NAME,name)通过类名进行定位 driver.find_element(By…...

    2024/4/13 12:23:16
  7. MIT6.830 lab1 SimpleDb

    MIT6.830 lab1 SimpleDb 整个实验一共有6个lab&#xff0c;通过每一个lab的代码去实现一个简单的数据库&#xff0c;主要有&#xff1a;数据库的组织架构(字段、元组、模式、buffer pool等)、CRUD的实现、查询优化、事务与并发控制、崩溃与故障恢复。 SimpleDB consists of: Cl…...

    2024/4/13 12:23:36
  8. 《算法导论》练习与思考题第1-3章 (python版)

    目录第一章 算法在计算中的作用练习1.1 算法1.1-11.1-21.1-31.1-41.1-51.2 作为一种技术的算法1.2-11.2-21.2-3思考题1-1 运行时间的比较第二章 算法基础练习2.1 插入排序2.1-12.1-22.1-32.1-42.2 分析算法2.2-12.2-22.2-32.2-42.3 设计算法2.3-12.3-22.3-32.3-42.3-52.3-62.3-…...

    2024/4/20 13:32:20
  9. 大白话快速总结Java虚拟机

    这里写目录标题一、JVM的基本介绍1.1 Java 文件是如何被运行的1.2 简单的代码例子二、类加载器的介绍2.1 类加载器的流程2.2 类加载器的加载顺序2.3 双亲委派机制三、运行时数据区3.1 本地方法栈和程序计数器3.2 方法区3.3 虚拟机栈和虚拟机堆虚拟机栈的概念如何判断一个对象需…...

    2024/4/19 20:41:36
  10. 四旋翼无人机仿真之hector_quadrotor无人机（ROS + Gazebo）

    这里写自定义目录标题应用环境hector_quadrotor 功能包结构简介hector_quadrotor 功能包安装1. 安装所需依赖库2. 下载、安装hector_quadrotor参考文章应用环境 ubuntu16.04 (虚拟机实体机下均可&#xff09; ROS kinetic Gazebo为安装ROS时自带&#xff08;本人为Gazebo 7&am…...

    2024/4/16 1:28:01
  11. vue响应式，数据劫持发布订阅实现

    vue数据双向绑定原理&#xff1a; 数据劫持: vue.js 则是采用数据劫持结合发布者-订阅者模式的方式&#xff0c;通过Object.defineProperty()来劫持各个属性的setter&#xff0c;getter&#xff0c;在数据变动时发布消息给订阅者&#xff0c;触发相应的监听回调。 observer&am…...

    2024/4/16 15:31:34
  12. 领导者黏菌算法LSMA(学习笔记_12)

    1.理论分析 1.SMA SMA中种群个体的更新&#xff1a;依赖于最佳候选解&#xff08;Xbest&#xff09;另外两个随机候选解&#xff08;Xr1和Xr2&#xff09;。 2.改进过程 当两个随机黏菌候选解远离搜索空间时&#xff0c;随机化可能需要更长的时间才能到达最佳候选解。受其他…...

    2024/4/16 21:35:41
  13. 年终总结（21-22）

    工作大事记 年初接手了另外业务的项目&#xff0c;接手新项目能力得到了锻炼。自己做的系统先用起来&#xff0c;梳理主要流程的实现过程&#xff0c;认识系统的整体架构&#xff0c;和系统的业务对接人沟通发现其中的问题&#xff0c;提出自己的认识&建议 环境切割&#x…...

    2024/4/19 10:02:34
  14. 内部类和泛型

    目录 内部类 1.内部类分类 a.成员内部类 1)成员内部类对象的创建 2)成员内部类能否定义静态属性 3)对外部类来说&#xff0c;可否在外部类的静态方法中使用成员内部类 b.静态内部类 1)创建静态内部类对象 2)静态内部类能否拥有成员变量 3)静态内部类能否访问外部类的…...

    2024/4/18 7:12:51
  15. 软件开发工具

    ⑴ 业务系统建模工具(business systems planning tools) 这类工具为制定业务信息系统规划提供“元模型”。利用元模型可以生成专用业务信息系统模型。该模型反映了一个单位各部门之间的信息流程。 建立专用业务信息系统模型需要提供系统资源、模型运行方式和管理方法。 常用的业…...

    2024/4/19 17:21:10
  16. Web1 命令执行（三）

    7. 无参 RCE 构造 https://blog.csdn.net/qi_SJQ_/article/details/119457821 算是一种特殊的绕过方式&#xff0c;套娃形式&#xff0c;数学函数的理解&#xff0c;不过未限制长度。 chr():根据ascii码值将数字转换成字符串 get_defined_vars() 获取题目相关变量 print_r()…...

    2024/4/20 4:04:18
  17. 匿名共享内存 C++ 实现

    一、Ashmem C 语言接口 通常可以使用 libcutils 库中的 ashmem_create_region 函数创建一块共享内存区域&#xff1a; #define ASHMEM_DEVICE "/dev/ashmem"/* * ashmem_create_region - creates a new ashmem region and returns the file * descriptor, or <…...

    2024/4/13 12:24:11
  18. 写给即将毕业的你。。。如何在毕业前夕掌握一门拿手绝活之Python入门

    一、为什么决定走上Python的道路 这次疫情应该是导致我决定重新学python的主要原因。作为一名大三的学生&#xff0c;平时也没有特别的爱好&#xff0c;也就偶尔打打游戏&#xff0c;弹弹吉他&#xff0c;追追剧&#xff0c;刷刷b站而已。当然了也没有什么特长&#xff0c;硬要…...

    2024/4/18 18:49:49
  19. 日撸代码300行：第36天（邻连表）

    代码来自闵老师”日撸 Java 三百行&#xff08;31-40天&#xff09;“&#xff0c;链接&#xff1a;https://blog.csdn.net/minfanphd/article/details/116975772 package datastructure.graph;import datastructure.queue.*;public class AdjacencyList {class AdjacencyNode…...

    2024/4/16 21:35:44
  20. 2.7题目翻译

    题目链接&#xff1a;https://acs.jxnu.edu.cn/problem/HDU1295 There are two color (white and black) chessmen in a row. The number of white chessman is equal to the number of black chessman. The left half of the row is black chessmen and the right half of th…...

    2024/4/13 12:23:56

最新文章

  1. 机器学习总结

    1. 如何理解机器学习中的有监督学习和无监督学习&#xff0c;举例&#xff1f; 机器学习中的有监督学习和无监督学习是两种主要的学习方式&#xff0c;它们的主要区别在于训练数据是否带有标签。 有监督学习&#xff1a; 就像你有一个老师&#xff0c;他会给你一堆带有答案的…...

    2024/4/25 1:10:16
  2. 梯度消失和梯度爆炸的一些处理方法

    在这里是记录一下梯度消失或梯度爆炸的一些处理技巧。全当学习总结了如有错误还请留言&#xff0c;在此感激不尽。 权重和梯度的更新公式如下&#xff1a; w w − η ⋅ ∇ w w w - \eta \cdot \nabla w ww−η⋅∇w 个人通俗的理解梯度消失就是网络模型在反向求导的时候出…...

    2024/3/20 10:50:27
  3. 方案分享 | 嵌入式指纹方案

    随着智能设备的持续发展&#xff0c;指纹识别技术成为了现在智能终端市场和移动支付市场中占有率最高的生物识别技术。凭借高识别率、短耗时等优势&#xff0c;被广泛地运用在智能门锁、智能手机、智能家居等设备上。 我们推荐的品牌早已在2015年进入指纹识别应用领域&#xff…...

    2024/4/23 6:15:34
  4. Linux mount用法

    在Linux系统中&#xff0c;系统自动挂载了以下挂载点&#xff1a; /: xfs文件系统&#xff0c;根文件系统, 所有其他文件系统的挂载点。 /sys: sysfs文件系统&#xff0c;提供内核对象的信息和接口。 /proc: proc文件系统&#xff0c;提供进程和系统信息。 /dev: devtmpfs文件系…...

    2024/4/24 0:39:01
  5. 【外汇早评】美通胀数据走低，美元调整

    原标题：【外汇早评】美通胀数据走低，美元调整昨日美国方面公布了新一期的核心PCE物价指数数据，同比增长1.6%，低于前值和预期值的1.7%，距离美联储的通胀目标2%继续走低，通胀压力较低，且此前美国一季度GDP初值中的消费部分下滑明显，因此市场对美联储后续更可能降息的政策…...

    2024/4/23 20:58:27
  6. 【原油贵金属周评】原油多头拥挤，价格调整

    原标题：【原油贵金属周评】原油多头拥挤，价格调整本周国际劳动节，我们喜迎四天假期，但是整个金融市场确实流动性充沛，大事频发，各个商品波动剧烈。美国方面，在本周四凌晨公布5月份的利率决议和新闻发布会，维持联邦基金利率在2.25%-2.50%不变，符合市场预期。同时美联储…...

    2024/4/23 13:30:22
  7. 【外汇周评】靓丽非农不及疲软通胀影响

    原标题：【外汇周评】靓丽非农不及疲软通胀影响在刚结束的周五，美国方面公布了新一期的非农就业数据，大幅好于前值和预期，新增就业重新回到20万以上。具体数据： 美国4月非农就业人口变动 26.3万人，预期 19万人，前值 19.6万人。 美国4月失业率 3.6%，预期 3.8%，前值 3…...

    2024/4/23 13:28:06
  8. 【原油贵金属早评】库存继续增加，油价收跌

    原标题：【原油贵金属早评】库存继续增加，油价收跌周三清晨公布美国当周API原油库存数据，上周原油库存增加281万桶至4.692亿桶，增幅超过预期的74.4万桶。且有消息人士称，沙特阿美据悉将于6月向亚洲炼油厂额外出售更多原油，印度炼油商预计将每日获得至多20万桶的额外原油供…...

    2024/4/24 18:16:28
  9. 【外汇早评】日本央行会议纪要不改日元强势

    原标题：【外汇早评】日本央行会议纪要不改日元强势近两日日元大幅走强与近期市场风险情绪上升，避险资金回流日元有关，也与前一段时间的美日贸易谈判给日本缓冲期，日本方面对汇率问题也避免继续贬值有关。虽然今日早间日本央行公布的利率会议纪要仍然是支持宽松政策，但这符…...

    2024/4/23 13:27:44
  10. 【原油贵金属早评】欧佩克稳定市场，填补伊朗问题的影响

    原标题：【原油贵金属早评】欧佩克稳定市场，填补伊朗问题的影响近日伊朗局势升温，导致市场担忧影响原油供给，油价试图反弹。此时OPEC表态稳定市场。据消息人士透露，沙特6月石油出口料将低于700万桶/日，沙特已经收到石油消费国提出的6月份扩大出口的“适度要求”，沙特将满…...

    2024/4/19 11:57:53
  11. 【外汇早评】美欲与伊朗重谈协议

    原标题：【外汇早评】美欲与伊朗重谈协议美国对伊朗的制裁遭到伊朗的抗议，昨日伊朗方面提出将部分退出伊核协议。而此行为又遭到欧洲方面对伊朗的谴责和警告，伊朗外长昨日回应称，欧洲国家履行它们的义务，伊核协议就能保证存续。据传闻伊朗的导弹已经对准了以色列和美国的航…...

    2024/4/23 13:29:53
  12. 【原油贵金属早评】波动率飙升，市场情绪动荡

    原标题：【原油贵金属早评】波动率飙升，市场情绪动荡因中美贸易谈判不安情绪影响，金融市场各资产品种出现明显的波动。随着美国与中方开启第十一轮谈判之际，美国按照既定计划向中国2000亿商品征收25%的关税，市场情绪有所平复，已经开始接受这一事实。虽然波动率-恐慌指数VI…...

    2024/4/23 13:27:22
  13. 【原油贵金属周评】伊朗局势升温，黄金多头跃跃欲试

    原标题：【原油贵金属周评】伊朗局势升温，黄金多头跃跃欲试美国和伊朗的局势继续升温，市场风险情绪上升，避险黄金有向上突破阻力的迹象。原油方面稍显平稳，近期美国和OPEC加大供给及市场需求回落的影响，伊朗局势并未推升油价走强。近期中美贸易谈判摩擦再度升级，美国对中…...

    2024/4/23 13:28:42
  14. 【原油贵金属早评】市场情绪继续恶化，黄金上破

    原标题：【原油贵金属早评】市场情绪继续恶化，黄金上破周初中国针对于美国加征关税的进行的反制措施引发市场情绪的大幅波动，人民币汇率出现大幅的贬值动能，金融市场受到非常明显的冲击。尤其是波动率起来之后，对于股市的表现尤其不安。隔夜美国股市出现明显的下行走势，这…...

    2024/4/23 22:01:21
  15. 【外汇早评】美伊僵持，风险情绪继续升温

    原标题：【外汇早评】美伊僵持，风险情绪继续升温昨日沙特两艘油轮再次发生爆炸事件，导致波斯湾局势进一步恶化，市场担忧美伊可能会出现摩擦生火，避险品种获得支撑，黄金和日元大幅走强。美指受中美贸易问题影响而在低位震荡。继5月12日，四艘商船在阿联酋领海附近的阿曼湾、…...

    2024/4/23 13:29:23
  16. 【原油贵金属早评】贸易冲突导致需求低迷，油价弱势

    原标题：【原油贵金属早评】贸易冲突导致需求低迷，油价弱势近日虽然伊朗局势升温，中东地区几起油船被袭击事件影响，但油价并未走高，而是出于调整结构中。由于市场预期局势失控的可能性较低，而中美贸易问题导致的全球经济衰退风险更大，需求会持续低迷，因此油价调整压力较…...

    2024/4/25 0:00:17
  17. 氧生福地 玩美北湖（上）——为时光守候两千年

    原标题：氧生福地 玩美北湖（上）——为时光守候两千年一次说走就走的旅行，只有一张高铁票的距离～ 所以，湖南郴州，我来了～ 从广州南站出发，一个半小时就到达郴州西站了。在动车上，同时改票的南风兄和我居然被分到了一个车厢，所以一路非常愉快地聊了过来。 挺好，最起…...

    2024/4/23 13:47:22
  18. 氧生福地 玩美北湖（中）——永春梯田里的美与鲜

    原标题：氧生福地 玩美北湖（中）——永春梯田里的美与鲜一觉醒来，因为大家太爱“美”照，在柳毅山庄去寻找龙女而错过了早餐时间。近十点，向导坏坏还是带着饥肠辘辘的我们去吃郴州最富有盛名的“鱼头粉”。说这是“十二分推荐”，到郴州必吃的美食之一。 哇塞！那个味美香甜…...

    2024/4/19 11:59:23
  19. 氧生福地 玩美北湖（下）——奔跑吧骚年！

    原标题：氧生福地 玩美北湖（下）——奔跑吧骚年！让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 让我们红尘做伴 活得潇潇洒洒 策马奔腾共享人世繁华 对酒当歌唱出心中喜悦 轰轰烈烈把握青春年华 啊……啊……啊 两…...

    2024/4/19 11:59:44
  20. 扒开伪装医用面膜，翻六倍价格宰客，小姐姐注意了！

    原标题：扒开伪装医用面膜，翻六倍价格宰客，小姐姐注意了！扒开伪装医用面膜，翻六倍价格宰客！当行业里的某一品项火爆了，就会有很多商家蹭热度，装逼忽悠，最近火爆朋友圈的医用面膜，被沾上了污点，到底怎么回事呢？ “比普通面膜安全、效果好！痘痘、痘印、敏感肌都能用…...

    2024/4/23 13:28:08
  21. 「发现」铁皮石斛仙草之神奇功效用于医用面膜

    原标题：「发现」铁皮石斛仙草之神奇功效用于医用面膜丽彦妆铁皮石斛医用面膜|石斛多糖无菌修护补水贴19大优势： 1、铁皮石斛：自唐宋以来，一直被列为皇室贡品，铁皮石斛生于海拔1600米的悬崖峭壁之上，繁殖力差，产量极低，所以古代仅供皇室、贵族享用 2、铁皮石斛自古民间…...

    2024/4/24 16:38:05
  22. 丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者

    原标题：丽彦妆\医用面膜\冷敷贴轻奢医学护肤引导者【公司简介】 广州华彬企业隶属香港华彬集团有限公司，专注美业21年，其旗下品牌： 「圣茵美」私密荷尔蒙抗衰，产后修复 「圣仪轩」私密荷尔蒙抗衰，产后修复 「花茵莳」私密荷尔蒙抗衰，产后修复 「丽彦妆」专注医学护…...

    2024/4/23 13:28:14
  23. 广州械字号面膜生产厂家OEM/ODM4项须知！

    原标题：广州械字号面膜生产厂家OEM/ODM4项须知！广州械字号面膜生产厂家OEM/ODM流程及注意事项解读： 械字号医用面膜，其实在我国并没有严格的定义，通常我们说的医美面膜指的应该是一种「医用敷料」，也就是说，医用面膜其实算作「医疗器械」的一种，又称「医用冷敷贴」。 …...

    2024/4/23 13:27:51
  24. 械字号医用眼膜缓解用眼过度到底有无作用？

    原标题：械字号医用眼膜缓解用眼过度到底有无作用？医用眼膜/械字号眼膜/医用冷敷眼贴 凝胶层为亲水高分子材料，含70%以上的水分。体表皮肤温度传导到本产品的凝胶层，热量被凝胶内水分子吸收，通过水分的蒸发带走大量的热量，可迅速地降低体表皮肤局部温度，减轻局部皮肤的灼…...

    2024/4/23 13:27:19
  25. 配置失败还原请勿关闭计算机,电脑开机屏幕上面显示，配置失败还原更改 请勿关闭计算机 开不了机 这个问题怎么办...

    解析如下&#xff1a;1、长按电脑电源键直至关机&#xff0c;然后再按一次电源健重启电脑&#xff0c;按F8健进入安全模式2、安全模式下进入Windows系统桌面后&#xff0c;按住“winR”打开运行窗口&#xff0c;输入“services.msc”打开服务设置3、在服务界面&#xff0c;选中…...

    2022/11/19 21:17:18
  26. 错误使用 reshape要执行 RESHAPE，请勿更改元素数目。

    %读入6幅图像&#xff08;每一幅图像的大小是564*564&#xff09; f1 imread(WashingtonDC_Band1_564.tif); subplot(3,2,1),imshow(f1); f2 imread(WashingtonDC_Band2_564.tif); subplot(3,2,2),imshow(f2); f3 imread(WashingtonDC_Band3_564.tif); subplot(3,2,3),imsho…...

    2022/11/19 21:17:16
  27. 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机...

    win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”问题的解决方法在win7系统关机时如果有升级系统的或者其他需要会直接进入一个 等待界面&#xff0c;在等待界面中我们需要等待操作结束才能关机&#xff0c;虽然这比较麻烦&#xff0c;但是对系统进行配置和升级…...

    2022/11/19 21:17:15
  28. 台式电脑显示配置100%请勿关闭计算机,“准备配置windows 请勿关闭计算机”的解决方法...

    有不少用户在重装Win7系统或更新系统后会遇到“准备配置windows&#xff0c;请勿关闭计算机”的提示&#xff0c;要过很久才能进入系统&#xff0c;有的用户甚至几个小时也无法进入&#xff0c;下面就教大家这个问题的解决方法。第一种方法&#xff1a;我们首先在左下角的“开始…...

    2022/11/19 21:17:14
  29. win7 正在配置 请勿关闭计算机,怎么办Win7开机显示正在配置Windows Update请勿关机...

    置信有很多用户都跟小编一样遇到过这样的问题&#xff0c;电脑时发现开机屏幕显现“正在配置Windows Update&#xff0c;请勿关机”(如下图所示)&#xff0c;而且还需求等大约5分钟才干进入系统。这是怎样回事呢&#xff1f;一切都是正常操作的&#xff0c;为什么开时机呈现“正…...

    2022/11/19 21:17:13
  30. 准备配置windows 请勿关闭计算机 蓝屏,Win7开机总是出现提示“配置Windows请勿关机”...

    Win7系统开机启动时总是出现“配置Windows请勿关机”的提示&#xff0c;没过几秒后电脑自动重启&#xff0c;每次开机都这样无法进入系统&#xff0c;此时碰到这种现象的用户就可以使用以下5种方法解决问题。方法一&#xff1a;开机按下F8&#xff0c;在出现的Windows高级启动选…...

    2022/11/19 21:17:12
  31. 准备windows请勿关闭计算机要多久,windows10系统提示正在准备windows请勿关闭计算机怎么办...

    有不少windows10系统用户反映说碰到这样一个情况&#xff0c;就是电脑提示正在准备windows请勿关闭计算机&#xff0c;碰到这样的问题该怎么解决呢&#xff0c;现在小编就给大家分享一下windows10系统提示正在准备windows请勿关闭计算机的具体第一种方法&#xff1a;1、2、依次…...

    2022/11/19 21:17:11
  32. 配置 已完成 请勿关闭计算机,win7系统关机提示“配置Windows Update已完成30%请勿关闭计算机”的解决方法...

    今天和大家分享一下win7系统重装了Win7旗舰版系统后&#xff0c;每次关机的时候桌面上都会显示一个“配置Windows Update的界面&#xff0c;提示请勿关闭计算机”&#xff0c;每次停留好几分钟才能正常关机&#xff0c;导致什么情况引起的呢&#xff1f;出现配置Windows Update…...

    2022/11/19 21:17:10
  33. 电脑桌面一直是清理请关闭计算机,windows7一直卡在清理 请勿关闭计算机-win7清理请勿关机,win7配置更新35%不动...

    只能是等着&#xff0c;别无他法。说是卡着如果你看硬盘灯应该在读写。如果从 Win 10 无法正常回滚&#xff0c;只能是考虑备份数据后重装系统了。解决来方案一&#xff1a;管理员运行cmd&#xff1a;net stop WuAuServcd %windir%ren SoftwareDistribution SDoldnet start WuA…...

    2022/11/19 21:17:09
  34. 计算机配置更新不起,电脑提示“配置Windows Update请勿关闭计算机”怎么办？

    原标题&#xff1a;电脑提示“配置Windows Update请勿关闭计算机”怎么办&#xff1f;win7系统中在开机与关闭的时候总是显示“配置windows update请勿关闭计算机”相信有不少朋友都曾遇到过一次两次还能忍但经常遇到就叫人感到心烦了遇到这种问题怎么办呢&#xff1f;一般的方…...

    2022/11/19 21:17:08
  35. 计算机正在配置无法关机,关机提示 windows7 正在配置windows 请勿关闭计算机 ，然后等了一晚上也没有关掉。现在电脑无法正常关机...

    关机提示 windows7 正在配置windows 请勿关闭计算机 &#xff0c;然后等了一晚上也没有关掉。现在电脑无法正常关机以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容&#xff0c;让我们赶快一起来看一下吧&#xff01;关机提示 windows7 正在配…...

    2022/11/19 21:17:05
  36. 钉钉提示请勿通过开发者调试模式_钉钉请勿通过开发者调试模式是真的吗好不好用...

    钉钉请勿通过开发者调试模式是真的吗好不好用 更新时间：2020-04-20 22:24:19　浏览次数：729次 区域： 南阳 > 卧龙 列举网提醒您：为保障您的权益，请不要提前支付任何费用！ 虚拟位置外设器!!轨迹模拟&虚拟位置外设神器 专业用于：钉钉，外勤365，红圈通，企业微信和…...

    2022/11/19 21:17:05
  37. 配置失败还原请勿关闭计算机怎么办,win7系统出现“配置windows update失败 还原更改 请勿关闭计算机”，长时间没反应，无法进入系统的解决方案...

    前几天班里有位学生电脑(windows 7系统)出问题了&#xff0c;具体表现是开机时一直停留在“配置windows update失败 还原更改 请勿关闭计算机”这个界面&#xff0c;长时间没反应&#xff0c;无法进入系统。这个问题原来帮其他同学也解决过&#xff0c;网上搜了不少资料&#x…...

    2022/11/19 21:17:04
  38. 一个电脑无法关闭计算机你应该怎么办,电脑显示“清理请勿关闭计算机”怎么办？...

    本文为你提供了3个有效解决电脑显示“清理请勿关闭计算机”问题的方法&#xff0c;并在最后教给你1种保护系统安全的好方法&#xff0c;一起来看看&#xff01;电脑出现“清理请勿关闭计算机”在Windows 7(SP1)和Windows Server 2008 R2 SP1中&#xff0c;添加了1个新功能在“磁…...

    2022/11/19 21:17:03
  39. 请勿关闭计算机还原更改要多久,电脑显示:配置windows更新失败，正在还原更改，请勿关闭计算机怎么办...

    许多用户在长期不使用电脑的时候&#xff0c;开启电脑发现电脑显示&#xff1a;配置windows更新失败&#xff0c;正在还原更改&#xff0c;请勿关闭计算机。。.这要怎么办呢&#xff1f;下面小编就带着大家一起看看吧&#xff01;如果能够正常进入系统&#xff0c;建议您暂时移…...

    2022/11/19 21:17:02
  40. 还原更改请勿关闭计算机 要多久,配置windows update失败 还原更改 请勿关闭计算机，电脑开机后一直显示以...

    配置windows update失败 还原更改 请勿关闭计算机&#xff0c;电脑开机后一直显示以以下文字资料是由(历史新知网www.lishixinzhi.com)小编为大家搜集整理后发布的内容&#xff0c;让我们赶快一起来看一下吧&#xff01;配置windows update失败 还原更改 请勿关闭计算机&#x…...

    2022/11/19 21:17:01
  41. 电脑配置中请勿关闭计算机怎么办,准备配置windows请勿关闭计算机一直显示怎么办【图解】...

    不知道大家有没有遇到过这样的一个问题&#xff0c;就是我们的win7系统在关机的时候&#xff0c;总是喜欢显示“准备配置windows&#xff0c;请勿关机”这样的一个页面&#xff0c;没有什么大碍&#xff0c;但是如果一直等着的话就要两个小时甚至更久都关不了机&#xff0c;非常…...

    2022/11/19 21:17:00
  42. 正在准备配置请勿关闭计算机,正在准备配置windows请勿关闭计算机时间长了解决教程...

    当电脑出现正在准备配置windows请勿关闭计算机时&#xff0c;一般是您正对windows进行升级&#xff0c;但是这个要是长时间没有反应&#xff0c;我们不能再傻等下去了。可能是电脑出了别的问题了&#xff0c;来看看教程的说法。正在准备配置windows请勿关闭计算机时间长了方法一…...

    2022/11/19 21:16:59
  43. 配置失败还原请勿关闭计算机,配置Windows Update失败，还原更改请勿关闭计算机...

    我们使用电脑的过程中有时会遇到这种情况&#xff0c;当我们打开电脑之后&#xff0c;发现一直停留在一个界面&#xff1a;“配置Windows Update失败&#xff0c;还原更改请勿关闭计算机”&#xff0c;等了许久还是无法进入系统。如果我们遇到此类问题应该如何解决呢&#xff0…...

    2022/11/19 21:16:58
  44. 如何在iPhone上关闭“请勿打扰”

    Apple’s “Do Not Disturb While Driving” is a potentially lifesaving iPhone feature, but it doesn’t always turn on automatically at the appropriate time. For example, you might be a passenger in a moving car, but your iPhone may think you’re the one dri…...

    2022/11/19 21:16:57