个人中心
gpt4 book ai didi

如何将文本转换为向量？（方法三）

转载 作者：撒哈拉 更新时间：2024-07-16 17:02:38 60 4
gpt4 key购买 nike

​ 。

 文本转换为向量有多种方式:

方法一：通过模型服务灵积DashScope将文本转换为向量（推荐） 。

方法二：通过ModelScope魔搭社区中的文本向量开源模型将文本转换为向量 。

方法三：通过Jina Embeddings v2模型将文本转换为向量 。

方法四：通过百川智能向量化模型将文本转换为向量 。

本文介绍方法三：如何通过Jina Embeddings v2模型将文本转换为向量，并入库至向量检索服务DashVector中进行向量检索.

前提条件

  • DashVector:

    • 已创建Cluster：创建Cluster 。

    • 已获得API-KEY：API-KEY管理 。

    • 已安装最新版SDK：安装DashVector SDK 。

  • Jina AI 。

    • 已获得API密钥：Jina Embeddings v2模型 。

Jina Embeddings v2模型

简介

Jina Embeddings v2模型，唯一支持 8192 个词元长度的开源向量模型，在大规模文本向量化基准 (MTEB) 的功能和性能方面与 OpenAI 的闭源模型 text-embedding-ada-002 相当.

模型名称 。

向量维度 。

度量方式 。

向量数据类型 。

备注 。

jina-embeddings-v2-small-en 。

512 。

Cosine 。

Float32 。

  • 词元长度限制：8192 。

jina-embeddings-v2-base-en 。

768 。

Cosine 。

Float32 。

  • 词元长度限制：8192 。

jina-embeddings-v2-base-zh 。

768 。

Cosine 。

Float32 。

  • 词元长度限制：8192 。

说明 。

关于Jina Embeddings v2模型更多信息请参考：Jina Embeddings v2模型 。

使用示例

说明 。

需要进行如下替换代码才能正常运行:

  1. DashVector api-key替换示例中的{your-dashvector-api-key} 。

  2. DashVector Cluster Endpoint替换示例中的{your-dashvector-cluster-endpoint} 。

  3. Jina AI api-key替换示例中的{your-jina-api-key} 。

Python示例:

from dashvector import Client
import requests
from typing import List


# 调用Jina Embeddings v2模型，将文本embedding为向量
def generate_embeddings(texts: List[str]):
    headers = {
      'Content-Type': 'application/json',
      'Authorization': 'Bearer {your-jina-api-key}'
    }
    data = {'input': texts, 'model': 'jina-embeddings-v2-base-zh'}
    response = requests.post('https://api.jina.ai/v1/embeddings', headers=headers, json=data)
    return [record["embedding"] for record in response.json()["data"]]
    

# 创建DashVector Client
client = Client(
    api_key='{your-dashvector-api-key}',
    endpoint='{your-dashvector-cluster-endpoint}'
)

# 创建DashVector Collection
rsp = client.create('jina-text-embedding', 768)
assert rsp
collection = client.get('jina-text-embedding')
assert collection

# 向量入库DashVector
collection.insert(
    ('ID1', generate_embeddings(['阿里云向量检索服务DashVector是性能、性价比具佳的向量数据库之一'])[0])
)

# 向量检索
docs = collection.query(
    generate_embeddings(['The best vector database'])[0]
)
print(docs)

​ 。

最后此篇关于如何将文本转换为向量？（方法三）的文章就讲到这里了,如果你想了解更多关于如何将文本转换为向量？（方法三）的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

60 4 0
文章推荐： 写了一个json小工具，希望大家体验（Mac平台）
文章推荐： iOS开发基础102-后台保活方案
文章推荐： 存储系列DAS,SAN,NAS常见网络架构
文章推荐： yolov5损失函数代码详解
撒哈拉
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com