`langchain_huggingface.embeddings.huggingface_endpoint`.HuggingFaceEndpointEmbeddings¶

class langchain_huggingface.embeddings.huggingface_endpoint.HuggingFaceEndpointEmbeddings[source]¶

基础类：BaseModel，Embeddings

HuggingFaceHub嵌入模型。

使用时，您应安装huggingface_hub Python包，并设置环境变量HUGGINGFACEHUB_API_TOKEN为您的API令牌，或者将其作为命名参数传递给构造函数。

示例

from langchain_huggingface import HuggingFaceEndpointEmbeddings
model = "sentence-transformers/all-mpnet-base-v2"
hf = HuggingFaceEndpointEmbeddings(
    model=model,
    task="feature-extraction",
    huggingfacehub_api_token="my-api-key",
)

通过解析和验证从关键字参数传来的输入数据来创建新模型。

如果输入数据无法解析为有效的模型，则抛出ValidationError。

参数 huggingfacehub_api_token: Optional[str] = None¶

参数 model: Optional[str] = None¶: 要使用的模型名称。

参数 model_kwargs: Optional[dict] = None¶: 传递给模型的键值对参数。

参数 repo_id: Optional[str] = None¶: Huggingfacehub仓库ID，用于向后兼容。

参数 task: Optional[str] = 'feature-extraction'¶: 调用模型时要执行的任务。

async aembed_documents(texts: List[str]) → List[List[float]][来源]¶

对HuggingFaceHub的嵌入端点进行异步调用，以嵌入搜索文档。

参数: texts (List[str]) – 要嵌入的文本列表。
返回: 嵌入列表，每个文本一个。
返回类型: List[List[float]]

async aembed_query(text: str) → List[float][来源]¶

对HuggingFaceHub的嵌入端点进行异步调用，以嵌入查询文本。

参数: text (str) – 要嵌入的文本。
返回: 文本的嵌入。
返回类型: List[float]

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

调用HuggingFaceHub的嵌入端点以嵌入搜索文档。

参数: texts (List[str]) – 要嵌入的文本列表。
返回: 嵌入列表，每个文本一个。
返回类型: List[List[float]]

embed_query(text: str) → List[float][来源]¶

调用HuggingFaceHub的嵌入端点以嵌入查询文本。

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HuggingFaceEndpointEmbeddings的示例¶

langchain_huggingface.embeddings.huggingface_endpoint.HuggingFaceEndpointEmbeddings¶

使用HuggingFaceEndpointEmbeddings的示例¶

`langchain_huggingface.embeddings.huggingface_endpoint`.HuggingFaceEndpointEmbeddings¶