1.2 安装与环境配置

pip install faiss-cpu 就够了——GPU 版本是给有 CUDA 显卡的人准备的

---

这一节在讲什么？

FAISS 的安装比 Milvus 简单得多——不需要 Docker、不需要 etcd、不需要 MinIO，一条 pip 命令就能装好。但 CPU 版本和 GPU 版本的选择、CUDA 版本的兼容性、conda 和 pip 的冲突，这些小问题可能会卡住你。这一节我们快速过一遍安装过程，帮你避开常见的坑。

---

CPU 版本安装

CPU 版本是学习和中小规模使用的首选——不需要 GPU，任何机器都能跑：

pip install faiss-cpu

验证安装：

import faiss
print(faiss.__version__)  # 输出版本号，如 1.8.0

如果你用 conda 管理 Python 环境，也可以用 conda 安装：

conda install -c conda-forge faiss-cpu

---

GPU 版本安装

GPU 版本需要 NVIDIA GPU + CUDA 工具链，适合大规模向量搜索和高性能场景：

# 需要先安装 CUDA Toolkit（11.8 或 12.x）
pip install faiss-gpu

GPU 版本的安装比 CPU 版本复杂得多——你需要确保 CUDA 版本与 faiss-gpu 的版本匹配。faiss-gpu 的不同版本对应不同的 CUDA 版本：

faiss-gpu 版本	CUDA 版本
1.7.x	CUDA 11.x
1.8.x	CUDA 11.8 / 12.x

常见安装问题

问题1：macOS 不支持 GPU 版本。Apple 的芯片（M1/M2/M3）使用的是 Metal 而不是 CUDA，faiss-gpu 无法在 macOS 上运行。macOS 用户只能用 faiss-cpu。

问题2：conda 和 pip 混用导致冲突。如果你用 conda 安装了 faiss-cpu，又用 pip 安装了 faiss-gpu，可能会出现版本冲突。建议在一个环境中只用一种包管理器。

问题3：CUDA 版本不匹配。如果你系统的 CUDA 是 12.1，但 faiss-gpu 编译时用的是 CUDA 11.8，运行时会报错 CUDA driver version is insufficient。解决方法是安装与系统 CUDA 版本匹配的 faiss-gpu。

# 检查 CUDA 版本
nvidia-smi  # 查看 CUDA Driver 版本
nvcc --version  # 查看 CUDA Toolkit 版本

# 安装匹配的 faiss-gpu
pip install faiss-gpu  # 默认安装最新版本

---

CPU 版本 vs GPU 版本的功能差异

功能	faiss-cpu	faiss-gpu
Flat 索引	✅	✅
IVF 索引	✅	✅
HNSW 索引	✅	❌（GPU 不支持 HNSW）
PQ/SQ 量化	✅	✅
GPU 加速搜索	❌	✅
多 GPU 支持	❌	✅
安装难度	低	高

注意：GPU 版本不支持 HNSW 索引——HNSW 的图遍历模式不适合 GPU 的大规模并行计算。GPU 擅长的是 IVF + PQ 这种可以批量并行计算距离的索引。

---

小结

这一节我们快速过了 FAISS 的安装：CPU 版本 pip install faiss-cpu 一条命令搞定，GPU 版本需要 CUDA 环境且安装更复杂。macOS 用户只能用 CPU 版本，GPU 版本不支持 HNSW 索引。下一节我们直接上手写代码——5 分钟跑通第一个向量搜索。