langchain_community.embeddings.oracleai.OracleEmbeddings

class langchain_community.embeddings.oracleai.OracleEmbeddings[source]

基础：BaseModel，Embeddings

获取嵌入

通过解析和验证关键字参数中的输入数据来创建新的模型。

如果输入数据无法解析为有效的模型，将引发`ValidationError`。

paramconn: Any = None

嵌入参数

paramparams: Dict[str, Any] [Required]

代理

paramproxy: Optional[str] = None
asyncaembed_documents(texts: List[str]) → List[List[float]]

异步嵌入搜索文档。

参数：

texts （列表） – 要嵌入的文本列表。

返回：

嵌入列表。

返回类型：

列表 列表 [浮点数]

asyncaembed_query(text: str) → List[float]

异步嵌入查询文本。

参数：

text （字符串） – 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]][源代码]

使用OracleEmbeddings计算文档嵌入。 :param texts: 要嵌入的文本列表。

返回：

每个输入文本一个嵌入。

参数：

texts (列表[str]) –

返回类型：

列表 列表 [浮点数]

embed_query(text: str) → List[float][源代码]

使用OracleEmbeddings计算查询嵌入。 :param text: 要嵌入的文本。

返回：

文本嵌入。

参数：

text (str) –

返回类型：

列表 [浮点数]

静态load_onnx_model(conn: Connection, dir: str, onnx_file: str, model_name: str) → None[源代码]

将ONNX模型加载到Oracle数据库。 :param conn: Oracle连接， :param dir: Oracle目录， :param onnx_file: ONNX文件名， :param model_name: 模型名称。

参数：

  • conn (连接) –

  • dir (str) –

  • onnx_file (str) –

  • model_name (str) –

返回类型：

None

使用OracleEmbeddings的示例