Update resource/functions.py

resource/functions.py

@@ -73,13 +73,17 @@ class FAISS_inference:
 
         vec = df["vec"].to_numpy()
         self.d = vec[0].shape[0]
-        for i, e in enumerate(vec):
-            if i == 0:
-                vex = e.T
-            else:
-                temp = e.T
-                vex = np.append(vex, temp)
-        self.vex = np.reshape(vex, (-1, 384))
+        # for i, e in enumerate(vec):
+        #     if i == 0:
+        #         vex = e.T
+        #     else:
+        #         temp = e.T
+        #         vex = np.append(vex, temp)
+        vex = np.vstack(vec)  # Используем vstack для объединения массивов
+
+        # self.vex = np.reshape(vex, (-1, 384))
+
+        self.vex = vex
 
         # self.index = faiss.IndexFlatIP(self.d)
         # self.index = faiss.IndexFlatL2(self.d)
@@ -91,6 +95,15 @@ class FAISS_inference:
 
         d, i = self.index.search(self.emb, self.k)
 
-        faiss_table = self.df.iloc[i[0]]
-        faiss_table.loc[:, "score"] = d[0]
+        unique_indices = np.unique(
+            i[0]
+        )  # Получаем уникальные индексы для исключения дубликатов
+
+        # faiss_table = self.df.iloc[i[0]]
+        # faiss_table.loc[:, "score"] = d[0]
+
+        faiss_table = self.df.iloc[unique_indices]
+        faiss_table["score"] = d[0][
+            : len(unique_indices)
+        ]  # Присваиваем скоры, учитывая уникальность
         return faiss_table