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

save_model(model_path: str) bool[source]
参数

model_path (str) –

返回类型

bool

使用OpenVINOEmbeddings的示例