Python 使用自定义函数在django向量模型中搜索

我正在使用django进行人脸识别应用程序，我需要将人脸描述符保存在djangomodel中，然后检索它们并与新图像的向量进行比较，然后在数据库中获得与新向量存储最接近的模型

简而言之

• 我有一个人物模型
• 每个模型都有一个表示向量的文本字段
• 我有一个函数compare（vec1，vec2），它将两个向量作为 并返回它们之间的距离
• 我有一个新的向量（不在数据库中）
• 我需要在模型上应用compare函数并检索 他的向量场与新向量场的最小距离 载体

---

因此，首先，您可能需要自定义查询集，而不是自定义管理器。让我简单地解释一下两者之间的区别：在这两种情况下，目标都是允许执行类似于

Person.objects.my_custom_method（）

的操作，但如果使用自定义管理器，则只能直接使用它，而如果使用自定义查询集，则可以将chained与返回查询集的其他查询集方法一起使用，例如

Person.objects.filter（country\u iso\u code2='US'）.my\u custom\u method（）

，这可能对您的应用程序有所帮助

对于您的问题，您需要一个自定义方法，允许您获取所有用户向量，将这些向量与给定向量进行比较，并根据您的距离返回最接近的向量，因此该方法应将要比较的向量作为参数，并返回最接近的人的实例。我会这样写：

创建managers.py字段，在其中编写自定义查询集和管理器：

class PersonQueryset(models.QuerySet):
    def get_closest_user(self, input_vector):
        for person in self:    
            # this is a loop over every person in your database unless the qs is filtered
            current_dist = compare(input_vector, person.vector)
            if best_dist is None or current_dist < best_dist:
                best_dist = current_dist
                closest_person = person
        return closest_person, best_dist

class PersonManager(models.Manager):
    def get_queryset(self):
        return PersonQuerySet(self.model, using=self.db)

    def get_closest_user(self, input_vector):
        return self.get_queryset().get_closest_user(input_vector)

完成这些修改后，当您需要获取person时，您只需调用

person.objects.get\u closest\u user（输入向量）

---

请注意，给定您的用例，您可能会发现自己处于计算量非常大的情况下，因此您可能希望使用更复杂的方法来过滤您的请求，而不必计算整个数据库上的距离。限制计算的一个好方法是使用。直接修改查询集以实现这种逻辑。

此逻辑可能应该使用自定义查询集或管理器来实现：@Raynaud我试图阅读有关管理器的内容，但找不到如何实现。如果这对您来说不太合适，您能告诉我如何实现吗。我将用伪代码编写一个更全面的响应。谢谢非常感谢您的详细回复，我将在明天试一试（无法在我的电脑上试一试）。但是对于LHS，我不需要计算每个向量的哈希码吗？在计算方面不是一样吗？除非我可以在queryset中使用另一个模型，以便将哈希保存在单独的模型中（作为哈希表），并使用一对多关系引用它。抱歉，如果这个问题有点奇怪，因为我是新来的django，我只知道创建一个简单网站的基础知识。

from .managers import PersonManager
class Person(models.Model):
    # Manager
    objects = PersonManager()
    (...) # your code for the class Person.