通过

VECTOR_NORMALIZE （Transact-SQL） （预览版）

适用于：Azure SQL 数据库Azure SQL 托管实例

注意

该数据类型为预览版，可能会发生变化。 请务必阅读联机服务的服务级别协议 (SLA) 文档中的预览版使用条款。

VECTOR_NORMALIZE 采用向量作为输入并返回规范化向量，该向量缩放为给定 规范类型中的长度为 1。

这种标准化对于各种人工智能应用程序至关重要，其中矢量表示不同形式的数据，例如视觉内容、文本信息或音频信号。 通过规范化向量，我们确保其比例的统一性，这对于依赖于测量矢量距离或分组和区分数据点的操作特别有用。

虽然 Azure OpenAI 的模型提供规范化向量，但还有其他模型和框架，其中矢量不会自动规范化。 例如，在通常用于自然语言处理任务的 Gensim 库中，默认情况下，矢量并不总是规范化。

用户通常需要手动规范化向量或使用库提供的特定函数，以确保向量具有单位长度。

通常，对于机器学习模型或矢量嵌入，请务必检查文档或模型的输出，以确定矢量是否规范化。 如果应用程序需要规范化，则默认情况下模型不提供规范化向量时，可能需要将其实现为单独的步骤。

例如，如果想要使用 Euclidean 规范（这是最常见的规范类型）的规范化向量，可以使用：

SELECT VECTOR_NORMALIZE ( vector, 'norm2' )
FROM ...

注意

语法

Transact-SQL 语法约定

VECTOR_NORMALIZE ( vector, norm_type )

参数

向量

计算结果为 向量 数据类型的表达式。

norm_type

一个字符串，其名称为用于计算给定向量的规范类型。 支持以下规范类型：

  • norm1 1-norm- 这是矢量组件的绝对值之和。
  • norm2 - 也称为 2-normEuclidean Norm，它是矢量分量平方和的平方根。
  • norminf - 无穷大规范，它是矢量组件的绝对值的最大。

返回值

结果是一个向量，其方向与输入向量相同，但长度为 1（根据给定的规范）。

如果输入为 NULL，则返回的结果也是 NULL。

如果 norm_type 不是有效的规范类型，并且 矢量 不是 矢量 数据类型，则返回错误。

示例

示例 1

规范化向量：

CREATE TABLE dbo.vectors
(
  id INT PRIMARY KEY,
  v VECTOR(3) NOT NULL
);

INSERT INTO dbo.vectors (ID, v) VALUES 
(1, '[0.1, -2, 42]'),
(2, '[2, 0.1, -42]');

SELECT id, VECTOR_NORMALIZE(v, 'norm2') AS nv FROM dbo.vectors;

示例 2

DECLARE @v VECTOR(3) = '[1, 2, 3]';

SELECT VECTOR_NORMALIZE(@v, 'norm1'), VECTOR_NORMALIZE(@v, 'norminf');

相关内容