langchain_community.embeddings.openvino
.OpenVINOEmbeddings¶
- class langchain_community.embeddings.openvino.OpenVINOEmbeddings[source]¶
基类:
BaseModel
,Embeddings
OpenVINO封装模型。
示例
from langchain_community.embeddings import OpenVINOEmbeddings model_name = "sentence-transformers/all-mpnet-base-v2" model_kwargs = {'device': 'CPU'} encode_kwargs = {'normalize_embeddings': True} ov = OpenVINOEmbeddings( model_name_or_path=model_name, model_kwargs=model_kwargs, encode_kwargs=encode_kwargs )
初始化句子转换器。
- param encode_kwargs: Dict[str, Any] [Optional]¶
调用模型中encode方法时传递的参数。
- param model_kwargs: Dict[str, Any] [Optional]¶
传递给模型的参数。
- param model_name_or_path: str [Required]¶
HuggingFace模型ID。
- param ov_model: Any = None¶
OpenVINO模型对象。
- param show_progress: bool = False¶
是否显示进度条。
- param tokenizer: Any = None¶
嵌入模型的分词器。
- async aembed_documents(texts: List[str]) List[List[float]] ¶
异步嵌入搜索文档。
- 参数
texts (列表[str]) – 需要嵌入的文本列表。
- 返回
嵌入列表。
- 返回类型
列表[列表[float]]
- 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
float 列表
- embed_documents(texts: List[str]) List[List[float]] [来源]¶
使用HuggingFace转换器模型计算文档嵌入。
- 参数
texts (List[str]) – 要嵌入的文本列表。
- 返回
每个文本一个嵌入的嵌入列表。
- 返回类型
列表[列表[float]]
- embed_query(text: str) List[float] [来源]¶
使用HuggingFace转换器模型计算查询嵌入。
- 参数
text (str) – 要嵌入的文本。
- 返回
文本的嵌入。
- 返回类型
float 列表
- encode(sentences: Any, batch_size: int = 4, show_progress_bar: bool = False, convert_to_numpy: bool = True, convert_to_tensor: bool = False, mean_pooling: bool = False, normalize_embeddings: bool = True) Any [source]¶
计算句子嵌入。
- 参数
sentences (Any) – 要嵌入的句子。
batch_size (int) – 用于计算的批次大小。
show_progress_bar (bool) – 是否输出进度条。
convert_to_numpy (bool) – 输出是否应为一系列NumPy矢量。
convert_to_tensor (bool) – 输出是否应为一个大张量。
mean_pooling (bool) – 是否对返回的矢量进行池化。
normalize_embeddings (bool) – 是否对返回的矢量进行归一化。
- 返回
默认情况下,一个形状为[num_inputs, output_dimension]的二维NumPy数组。
- 返回类型
Any