`langchain_core.embeddings.fake`.FakeEmbeddings¶

class langchain_core.embeddings.fake.FakeEmbeddings[source]¶

基类: Embeddings, BaseModel

用于单元测试的假嵌入式模型。

此嵌入模型通过从正态分布中采样来创建嵌入。

请不要在测试之外使用此模型，因为它不是一个真正的嵌入模型。

示例

from langchain_core.embeddings import FakeEmbeddings

fake_embeddings = FakeEmbeddings(size=100)
fake_embeddings.embed_documents(["hello world", "foo bar"])

通过解析和验证从关键字参数输入的数据来创建一个新的模型。

如果输入数据无法解析为有效的模型，则引发ValidationError。

paramsize: int [Required] ¶: 嵌入向量的大小。

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

异步嵌入文档搜索。

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]]

嵌入文档搜索。

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]]

embed_query(text: str) → List[float]

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]

langchain_core.embeddings.fake.FakeEmbeddings¶

使用FakeEmbeddings的示例¶

`langchain_core.embeddings.fake`.FakeEmbeddings¶