Titan Takeoff
TitanML 帮助企业通过我们的训练、压缩和推理优化平台构建和部署更好、更小、更便宜、更快的NLP模型。
我们的推理服务器，Titan Takeoff 允许您通过一条命令在本地硬件上部署LLMs。大多数嵌入模型都开箱即用，如果您在使用特定模型时遇到问题，请通过hello@titanml.co联系我们。
示例用法
以下是一些有用的示例，帮助您开始使用 Titan Takeoff Server。在运行这些命令之前，您需要确保 Takeoff Server 已在后台启动。更多信息请参阅启动 Takeoff 的文档页面。
import time
from langchain_community.embeddings import TitanTakeoffEmbed
API Reference:TitanTakeoffEmbed
示例 1
基本使用假设Takeoff正在您的机器上使用其默认端口（即localhost:3000）运行。
embed = TitanTakeoffEmbed()
output = embed.embed_query(
"What is the weather in London in August?", consumer_group="embed"
)
print(output)
示例 2
开始使用TitanTakeoffEmbed Python包装器的读者。如果您在首次启动Takeoff时没有创建任何读者，或者您想添加另一个，您可以在初始化TitanTakeoffEmbed对象时这样做。只需将您想要启动的模型列表作为models参数传递。
你可以使用embed.query_documents一次性嵌入多个文档。预期的输入是一个字符串列表，而不是embed_query方法所期望的单个字符串。
# Model config for the embedding model, where you can specify the following parameters:
# model_name (str): The name of the model to use
# device: (str): The device to use for inference, cuda or cpu
# consumer_group (str): The consumer group to place the reader into
embedding_model = {
"model_name": "BAAI/bge-large-en-v1.5",
"device": "cpu",
"consumer_group": "embed",
}
embed = TitanTakeoffEmbed(models=[embedding_model])
# The model needs time to spin up, length of time need will depend on the size of model and your network connection speed
time.sleep(60)
prompt = "What is the capital of France?"
# We specified "embed" consumer group so need to send request to the same consumer group so it hits our embedding model and not others
output = embed.embed_query(prompt, consumer_group="embed")
print(output)