langchain_community.embeddings.tensorflow_hub.TensorflowHubEmbeddings

class langchain_community.embeddings.tensorflow_hub.TensorflowHubEmbeddings

基类: BaseModel, Embeddings

TensorflowHub 嵌入模型。

使用时，您应安装tensorflow_text Python 包。

示例

from langchain_community.embeddings import TensorflowHubEmbeddings
url = "https://tfhub.dev/google/universal-sentence-encoder-multilingual/3"
tf = TensorflowHubEmbeddings(model_url=url)

初始化 tensorflow_hub 和 tensorflow_text。

parammodel_url: str = 'https://tfhub.dev/google/universal-sentence-encoder-multilingual/3'

要使用的模型名称。

asyncaembed_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]]

asyncaembed_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

List[float]

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

使用 TensorflowHub 嵌入模型计算文档嵌入。

参数

texts (List[str]) – 要嵌入的文本列表。

返回

每个文本的嵌入列表。

返回类型

List[List[float]]

embed_query(text: str) → List[float]

使用TensorflowHub嵌入模型计算查询嵌入。

参数

text (str) – 要嵌入的文本。

返回

文本的嵌入。

返回类型

List[float]

使用TensorflowHubEmbeddings的示例

• TensorFlow Hub