Mlflow嵌入#

class langchain_community.embeddings.mlflow.MlflowEmbeddings[source]#

基础类: Embeddings, BaseModel

在MLflow中嵌入LLMs。

要使用，您应该安装mlflow[genai] python包。有关更多信息，请参阅https://mlflow.org/docs/latest/llms/deployments。

示例

from langchain_community.embeddings import MlflowEmbeddings

embeddings = MlflowEmbeddings(
    target_uri="http://localhost:5000",
    endpoint="embeddings",
)

param documents_params: Dict[str, str] = {}#

param endpoint: str [Required]#: 使用的端点。

param query_params: Dict[str, str] = {}#: 用于文档的参数。

param target_uri: str [Required]#: 要使用的目标URI。

async aembed_documents(texts: list[str]) → list[list[float]]#

异步嵌入搜索文档。

Parameters:: 文本 (列表[字符串]) – 要嵌入的文本列表。
Returns:: 嵌入列表。
Return type:: 列表[列表[浮点数]]

async aembed_query(text: str) → list[float]#

异步嵌入查询文本。

Parameters:: 文本 (str) – 要嵌入的文本。
Returns:: 嵌入。
Return type:: 列表[浮点数]

embed(texts: List[str], params: Dict[str, str]) → List[List[float]][source]#

Parameters:

文本 (列表[字符串])
params (Dict[str, str])

Return type:

列表[列表[float]]

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

嵌入搜索文档。

Parameters:: 文本 (列表[字符串]) – 要嵌入的文本列表。
Returns:: 嵌入列表。
Return type:: 列表[列表[float]]

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

嵌入查询文本。

Parameters:: 文本 (str) – 要嵌入的文本。
Returns:: 嵌入。
Return type:: 列表[float]

使用 MlflowEmbeddings 的示例

MLflow Deployments for LLMs