langchain_community.embeddings.sagemaker_endpoint.SagemakerEndpointEmbeddings¶
- 类 langchain_community.embeddings.sagemaker_endpoint.SagemakerEndpointEmbeddings[源代码]¶
继承基类：
BaseModel,Embeddings自定义 SageMaker 推理端点。
使用时，您必须提供您部署的 SageMaker 模型的端点名称及其部署的区域。
为了进行身份验证，AWS 客户端使用以下方法来自动加载凭证： https://boto3.amazonaws.com/v1/documentation/api/latest/guide/credentials.html
如果需要使用特定的凭证轮廓，必须传递要从 ~/.aws/credentials 文件中使用的轮廓名称。
请确保使用的凭证/角色具有访问 SageMaker 端点的所需策略。见： https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies.html
通过解析和验证输入数据来创建一个新模型。
如果输入数据不能解析以形成有效的模型，将引发 ValidationError。
- 参数 client: Any = None¶
- 参数 content_handler [必需]¶
内容处理程序类，该类提供输入和输出转换函数，以处理 LLM 与端点之间的格式。
- 参数 credentials_profile_name [可选] [str]] = None¶
在 ~/.aws/credentials 或 ~/.aws/config 文件中的配置文件名称，该文件中指定了访问密钥或角色信息。如果不指定，则使用默认凭证配置文件或，如果在 EC2 实例上，则使用 IMDS 中的凭证。见： https://boto3.amazonaws.com/v1/documentation/api/latest/guide/credentials.html
- 参数 endpoint_kwargs [可选] [Dict]] = None¶
传递给 invoke_endpoint 函数的可选属性。请参见 `boto3`_ 文档以获取更多信息。.. _boto3: <https://boto3.amazonaws.com/v1/documentation/api/latest/index.html>
- param endpoint_name: str = ''¶
部署的 Sagemaker 模型的端点名称。必须在 AWS 区域内唯一。
- param model_kwargs : Optional[Dict] = None¶
传递给模型的关键字参数。
- param region_name : str = ''¶
Sagemaker 模型部署的 AWS 区域，例如 us-west-2。
- async aembed_documents(texts: List[str]) List[List[float]]¶
异步嵌入搜索文档。
- 参数
texts (List[str]) – 要嵌入的文本列表。
- 返回
嵌入列表。
- 返回类型
List[List[float]]
- async aembed_query(text: str) List[float]¶
异步 Embed 查询文本。
- 参数
text (str) – 要嵌入的文本。
- 返回
嵌入。
- 返回类型
List[float]