NeMoEmbeddings#

class langchain_community.embeddings.nemo.NeMoEmbeddings[source]#

基础类：BaseModel, Embeddings

自版本0.0.37起已弃用：直接从langchain-community实例化NeMoEmbeddings已被弃用。请使用langchain-nvidia-ai-endpoints的NVIDIAEmbeddings接口。在langchain-community==1.0.0之前不会移除。

NeMo嵌入模型。

通过解析和验证来自关键字参数的输入数据来创建一个新模型。

如果输入数据无法验证以形成有效模型，则引发 [ValidationError][pydantic_core.ValidationError]。

self 被显式地设为仅位置参数，以允许 self 作为字段名称。

param api_endpoint_url: str = 'http://localhost:8088/v1/embeddings'#
param batch_size: int = 16#
param model: str = 'NV-Embed-QA-003'#
async aembed_documents(texts: List[str]) → List[List[float]][source]#

异步调用NeMo的嵌入端点以进行嵌入搜索文档。

Parameters:

文本 (列表[字符串]) – 要嵌入的文本列表。

Returns:

嵌入列表，每个文本对应一个。

Return type:

列表[列表[float]]

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

异步调用NeMo的嵌入端点以嵌入查询文本。

Parameters:

文本 (str) – 要嵌入的文本。

Returns:

文本的嵌入。

Return type:

列表[float]

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

嵌入文档文本列表。

Parameters:

  • texts – 要嵌入的文本列表。

  • documents (List[str])

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][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]

classmethod validate_environment(values: Dict) → Dict[来源]#

使用提供的值验证端点是否存活。

Parameters:

值 (字典)

Return type:

字典

使用 NeMoEmbeddings 的示例