如何在python中使用pymongo将128d向量插入mongodb数据库

我正在尝试将我为包含多个面的图像中的一个面生成的128d向量插入MongoDB集合（向量）。我使用著名的dlib库生成128d向量。当我尝试将此向量插入mongodb集合时，我得到了“无法编码对象错误”。错误如下所示

    File "/usr/local/lib/python2.7/dist-packages/pymongo/pool.py", line 610, in _raise_connection_failure
    raise error
bson.errors.InvalidDocument: Cannot encode object: dlib.vector([-0.078586, 0.0277601, 0.02961, 0.0263595, -0.0423636, -0.0593996, -0.0353243, -0.157486, 0.169706, -0.0115421, 0.215085, 0.0998522, -0.230498, -0.0380571, -0.0662888, 0.0504411, -0.0678306, -0.0943572, -0.123836, -0.0879753, -0.0753862, 0.000870723, 0.0786572, 0.0651935, -0.0732055, -0.294396, -0.108001, -0.122248, 0.0798309, -0.0558914, -0.00326786, -0.00399151, -0.201238, -0.0997921, 0.0628334, -0.0214193, -0.0168998, -0.00545083, 0.260324, -0.0224971, -0.137103, 0.0410911, 0.0381873, 0.228159, 0.101016, 0.0886697, 0.0711474, -0.12792, 0.0942142, -0.139165, 0.0716797, 0.147697, 0.0957785, -0.00807651, 0.0464634, -0.18575, 0.00923027, 0.0976636, -0.24552, 0.145688, 0.0765331, -0.0418556, -0.0641425, 0.00440269, 0.181549, 0.134916, -0.0709987, -0.182558, 0.168222, -0.238072, 0.041242, 0.10536, -0.0684752, -0.199106, -0.233173, 0.00511742, 0.417584, 0.176161, -0.11886, 0.0600367, -0.16006, -0.0130243, 0.0705707, -0.0569518, -0.136003, 0.0180192, -0.0785295, -0.00361975, 0.212427, 0.0941055, -0.064303, 0.178207, 0.00868456, 0.0107785, 0.0646739, 0.0319019, -0.11788, -0.046726, -0.129802, 0.00561518, -0.0292626, -0.0468726, 0.132234, 0.00913511, -0.159603, 0.0933984, -0.0159525, -0.0224207, 0.00211018, 0.119351, -0.154814, -0.0764414, 0.170755, -0.303818, 0.304808, 0.111342, 0.066825, 0.12282, 0.0600208, 0.0596608, -0.0402757, -0.017425, -0.0706421, -0.102285, 0.0109511, -0.0790169, 0.18963, 0.0300883])

face_descriptor = facerec.compute_face_descriptor(img, shape)
        print(face_descriptor)
        result = db.vectors.insert_one({"image": face_descriptor, "paths" : f})

我试着把这个128d向量转换成列表，np数组，但没有帮助

在MongoDB中使用pymongo时是否有插入128d向量的方法，因为我想稍后比较128d向量的相似性

我试图将vector插入mongodb的代码部分如下所示

    File "/usr/local/lib/python2.7/dist-packages/pymongo/pool.py", line 610, in _raise_connection_failure
    raise error
bson.errors.InvalidDocument: Cannot encode object: dlib.vector([-0.078586, 0.0277601, 0.02961, 0.0263595, -0.0423636, -0.0593996, -0.0353243, -0.157486, 0.169706, -0.0115421, 0.215085, 0.0998522, -0.230498, -0.0380571, -0.0662888, 0.0504411, -0.0678306, -0.0943572, -0.123836, -0.0879753, -0.0753862, 0.000870723, 0.0786572, 0.0651935, -0.0732055, -0.294396, -0.108001, -0.122248, 0.0798309, -0.0558914, -0.00326786, -0.00399151, -0.201238, -0.0997921, 0.0628334, -0.0214193, -0.0168998, -0.00545083, 0.260324, -0.0224971, -0.137103, 0.0410911, 0.0381873, 0.228159, 0.101016, 0.0886697, 0.0711474, -0.12792, 0.0942142, -0.139165, 0.0716797, 0.147697, 0.0957785, -0.00807651, 0.0464634, -0.18575, 0.00923027, 0.0976636, -0.24552, 0.145688, 0.0765331, -0.0418556, -0.0641425, 0.00440269, 0.181549, 0.134916, -0.0709987, -0.182558, 0.168222, -0.238072, 0.041242, 0.10536, -0.0684752, -0.199106, -0.233173, 0.00511742, 0.417584, 0.176161, -0.11886, 0.0600367, -0.16006, -0.0130243, 0.0705707, -0.0569518, -0.136003, 0.0180192, -0.0785295, -0.00361975, 0.212427, 0.0941055, -0.064303, 0.178207, 0.00868456, 0.0107785, 0.0646739, 0.0319019, -0.11788, -0.046726, -0.129802, 0.00561518, -0.0292626, -0.0468726, 0.132234, 0.00913511, -0.159603, 0.0933984, -0.0159525, -0.0224207, 0.00211018, 0.119351, -0.154814, -0.0764414, 0.170755, -0.303818, 0.304808, 0.111342, 0.066825, 0.12282, 0.0600208, 0.0596608, -0.0402757, -0.017425, -0.0706421, -0.102285, 0.0109511, -0.0790169, 0.18963, 0.0300883])

face_descriptor = facerec.compute_face_descriptor(img, shape)
        print(face_descriptor)
        result = db.vectors.insert_one({"image": face_descriptor, "paths" : f})

非常感谢你的帮助。谢谢。

PyMongo方法不接受任意对象。另请参见

您应该将向量对象转换为文档。请参阅入门指南。 例如，您可以按以下方式进行设计：

doc = { '0': [-0.078586, 0.0277601, 0.02961, 0.0263595], 
        '1': [-0.078586, 0.0277601, 0.02961, 0.0263595] }

确保考虑到以后如何查询它。以后可以用来检索数据的字段是什么。另见

另一种方法是存储对象的名称。例如：

doc = { 'queryable_value': <pickle> }

doc={'queryable_value'：}

---

正如您所看到的，设计模式有多种方法，可以尝试不同的设计，看看什么最适合您的应用程序

我刚刚把它转换成一个列表，保存在DB中

face_descriptor_list = list(facerec.compute_face_descriptor(img, shape))
db.vectors.insert_one({"image": face_descriptor_list, "paths" : f})

检索：

从DB中提取后，将其转换回dlib向量

img_data = db.vectors.find_one({...})
face_descriptor = dlib.vector(img_data['image'])

---

我首先将向量转换成一个numpy数组，然后转换成一个python列表。它解决了这个问题。是的，我稍后查询了它们，以检查它们是否相似，它是否完全符合我的要求。感谢您的建议/链接。您打算如何（或者因为这是一篇旧文章，您是如何）查询mongo以查找类似的人脸？@StevenCarlson为我提取的128d人脸嵌入并插入mongo集合的每个输入人脸。对于一个新的面（您希望找到类似的面），计算128d嵌入，并找到存储在mongo集合中的新面嵌入和面嵌入之间的欧几里德距离。如果欧几里德距离小于0.6（dlib机器学习库是这样训练的），则面与其他面相似。