langchain_community.embeddings.mlflow.MlflowEmbeddings

class langchain_community.embeddings.mlflow.MlflowEmbeddings¶

基础：Embeddings，BaseModel

在MLflow中嵌入嵌入LLMs。

要使用，您应该安装了 mlflow[genai] Python包。有关更多信息，请参阅 https://mlflow.org/docs/latest/llms/deployments。

示例

from langchain_community.embeddings import MlflowEmbeddings

embeddings = MlflowEmbeddings(
    target_uri="http://localhost:5000",
    endpoint="embeddings",
)

参数 documents_params: Dict[str, str] = {}

参数 endpoint: str [必需]

要使用的端点。

参数 query_params: Dict[str, str] = {}

用于文档的参数。

参数 target_uri: str [必需]

要使用的目标URI。

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

异步文档嵌入搜索。

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[float]

embed(texts: List[str], params: Dict[str, str]) → List[List[float]]

参数

• texts (列表[str]) –

• params (字典[str, str]) –

返回类型

列表[列表[浮点数]]

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

嵌入搜索文档。

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]]

embed_query(text: str) → List[float]

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[float]

使用 MlflowEmbeddings 的示例

• LLMs 的 MLflow 部署