Skip to main content
Open on GitHub

VDMS

VDMS 是一个用于高效访问大规模“视觉”数据的存储解决方案，旨在通过搜索存储在图形中的视觉元数据来实现云规模，并启用对视觉数据的机器友好增强，以实现更快的访问。

安装与设置​

安装客户端​

pip install vdms

安装数据库​

有两种方法可以开始使用VDMS：

通过docker在本地机器上安装VDMS​

    docker run -d -p 55555:55555 intellabs/vdms:latest

直接在本地机器上安装VDMS​

请参阅安装说明。

向量存储​

向量存储是VDMS的一个简单封装。它提供了一个简单的接口来存储和检索数据。

from langchain_community.document_loaders import TextLoader
from langchain.text_splitter import CharacterTextSplitter

loader = TextLoader("./state_of_the_union.txt")
documents = loader.load()
text_splitter = CharacterTextSplitter(chunk_size=500, chunk_overlap=0)
docs = text_splitter.split_documents(documents)

from langchain_community.vectorstores import VDMS
from langchain_community.vectorstores.vdms import VDMS_Client
from langchain_huggingface import HuggingFaceEmbeddings

client = VDMS_Client("localhost", 55555)
model_name = "sentence-transformers/all-mpnet-base-v2"
vectorstore = VDMS.from_documents(
    docs,
    client=client,
    collection_name="langchain-demo",
    embedding_function=HuggingFaceEmbeddings(model_name=model_name),
    engine="FaissFlat"
    distance_strategy="L2",
)

query = "What did the president say about Ketanji Brown Jackson"
results = vectorstore.similarity_search(query)

有关VDMS包装器的更详细演练，请参见此笔记本

这个页面有帮助吗？