`langchain_community.embeddings.gpt4all`.GPT4AllEmbeddings¶

类 langchain_community.embeddings.gpt4all.GPT4AllEmbeddings[源代码]¶

基础：BaseModel、Embeddings

GPT4All 嵌入模型。

使用该功能，您需要安装 gpt4all python 包

示例

from langchain_community.embeddings import GPT4AllEmbeddings

model_name = "all-MiniLM-L6-v2.gguf2.f16.gguf"
gpt4all_kwargs = {'allow_download': 'True'}
embeddings = GPT4AllEmbeddings(
    model_name=model_name,
    gpt4all_kwargs=gpt4all_kwargs
)

通过解析和验证从关键字参数传入的数据来创建一个新的模型。

如果输入数据无法解析成有效的模型，将引发 ValidationError。

参数 device: Optional[str] = 'cpu'¶

参数 gpt4all_kwargs: Optional[dict] = {}¶

参数 model_name: Optional[str] = None¶

参数 n_threads: Optional[int] = None¶

async aembed_documents(texts: List[str]) → List[List[float]]¶

异步嵌入文档搜索。

参数: texts (列表[str]) – 要嵌入的文本列表。
返回: 嵌入的列表。
返回类型: 列表[列表[浮点数]]

async aembed_query(text: str) → List[float]¶

异步嵌入查询文本。

参数: text (str) – 要嵌入的文本。
返回: 嵌入。
返回类型: 列表[浮点数]

embed_documents(texts: List[str]) → List[List[float]][source]¶

使用GPT4All嵌入文档列表。

参数: texts (列表[字符串]) – 要嵌入的文本列表。
返回: 每个文本的嵌入列表。
返回类型: 列表[列表[浮点数]]

embed_query(text: str) → List[float][source]¶

使用GPT4All嵌入查询。

参数: text (字符串) – 要嵌入的文本。
返回: 文本的嵌入。
返回类型: 列表[浮点数]

langchain_community.embeddings.gpt4all.GPT4AllEmbeddings¶

使用GPT4AllEmbeddings的示例¶

`langchain_community.embeddings.gpt4all`.GPT4AllEmbeddings¶