Index
BaseEmbedding #
Bases: TransformComponent
嵌入的基类。
Source code in llama_index/core/base/embeddings/base.py
62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 |
|
get_query_embedding #
get_query_embedding(query: str) -> Embedding
嵌入输入查询。
在嵌入查询时,根据模型的不同,可以在原始查询字符串前添加特殊指令。例如,“代表检索支持文件的问题:”。如果你感兴趣,可以在embeddings/huggingface_utils.py中找到其他预定义指令的示例。
Source code in llama_index/core/base/embeddings/base.py
107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 |
|
aget_query_embedding
async
#
aget_query_embedding(query: str) -> Embedding
获取查询嵌入。
Source code in llama_index/core/base/embeddings/base.py
141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 |
|
get_agg_embedding_from_queries #
get_agg_embedding_from_queries(
queries: List[str],
agg_fn: Optional[Callable[..., Embedding]] = None,
) -> Embedding
从多个查询中获取聚合嵌入。
Source code in llama_index/core/base/embeddings/base.py
172 173 174 175 176 177 178 179 180 |
|
aget_agg_embedding_from_queries
async
#
aget_agg_embedding_from_queries(
queries: List[str],
agg_fn: Optional[Callable[..., Embedding]] = None,
) -> Embedding
从多个查询中异步获取聚合嵌入。
Source code in llama_index/core/base/embeddings/base.py
182 183 184 185 186 187 188 189 190 |
|
get_text_embedding #
get_text_embedding(text: str) -> Embedding
嵌入输入文本。
在嵌入文本时,根据模型的不同,可以在原始文本字符串前添加特殊指令。例如,“表示用于检索的文档:”。如果你感兴趣,可以在embeddings/huggingface_utils.py中找到其他预定义指令的示例。
Source code in llama_index/core/base/embeddings/base.py
220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 |
|
aget_text_embedding
async
#
aget_text_embedding(text: str) -> Embedding
异步获取文本嵌入。
Source code in llama_index/core/base/embeddings/base.py
254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 |
|
get_text_embedding_batch #
get_text_embedding_batch(
texts: List[str],
show_progress: bool = False,
**kwargs: Any
) -> List[Embedding]
获取文本嵌入的列表,进行批处理。
Source code in llama_index/core/base/embeddings/base.py
285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 |
|
aget_text_embedding_batch
async
#
aget_text_embedding_batch(
texts: List[str], show_progress: bool = False
) -> List[Embedding]
异步获取文本嵌入列表,使用批处理。
Source code in llama_index/core/base/embeddings/base.py
335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 |
|
similarity #
similarity(
embedding1: Embedding,
embedding2: Embedding,
mode: SimilarityMode = SimilarityMode.DEFAULT,
) -> float
获取嵌入相似度。
Source code in llama_index/core/base/embeddings/base.py
416 417 418 419 420 421 422 423 |
|
resolve_embed_model #
resolve_embed_model(
embed_model: Optional[EmbedType] = None,
callback_manager: Optional[CallbackManager] = None,
) -> BaseEmbedding
解析嵌入模型。
Source code in llama_index/core/embeddings/utils.py
31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 |
|