MATLAB 中读取 ivecs 格式向量文件的函数详解

在近似最近邻搜索（ANN）领域，我们经常需要处理大规模向量数据集，比如经典的 SIFT1M 或 BIGANN 数据集。这些数据集通常以二进制格式存储，其中 ivecs 格式是一种常见的整数向量存储方式。它特别适合存储地面真相（groundtruth），即每个查询向量的最近邻 ID 列表。

ivecs 文件的结构非常简单：每个向量以一个 32 位整数开头，表示向量的维度 d，然后紧跟着 d 个 32 位整数作为向量分量。整个文件就是这些向量的连续拼接，没有额外的头部信息。这种紧凑的设计使得文件体积小，读取效率高，但也要求我们在读取时小心处理维度信息。

今天，我们来详细剖析一个 MATLAB 函数，它专门用于读取 ivecs 格式的文件，支持读取全部向量、指定数量的前 n 个向量，或者指定范围 [a, b] 的向量。函数实现高效，利用了 MATLAB 的二进制文件操作和批量读取特性，非常适合处理百万甚至亿级向量的数据集。

ivecs 格式回顾

每个向量占用 4 + d * 4 字节：

• 前 4 字节：维度 d（int32）

• 后 d * 4 字节：向量元素（int32）

文件总向量数 = 文件大小 / (4 + d * 4)，但由于每个向量开头都重复存储 d，我们在读取时需要验证一致性。

函数整体设计

函数签名：

v=