TensorflowHubEmbeddings#

class langchain_community.embeddings.tensorflow_hub.TensorflowHubEmbeddings[source]#

基础类：BaseModel, Embeddings

TensorflowHub 嵌入模型。

要使用，您应该安装tensorflow_text python包。

示例

from langchain_community.embeddings import TensorflowHubEmbeddings
url = "https://tfhub.dev/google/universal-sentence-encoder-multilingual/3"
tf = TensorflowHubEmbeddings(model_url=url)

初始化 tensorflow_hub 和 tensorflow_text。

param model_url: str = 'https://tfhub.dev/google/universal-sentence-encoder-multilingual/3'#: 使用的模型名称。

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

使用TensorflowHub嵌入模型计算文档嵌入。

Parameters:: 文本 (列表[字符串]) – 要嵌入的文本列表。
Returns:: 嵌入列表，每个文本对应一个。
Return type:: 列表[列表[float]]

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

使用TensorflowHub嵌入模型计算查询嵌入。

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

使用 TensorflowHubEmbeddings 的示例

TensorFlow Hub