亚洲中文字幕无码日韩精品,亚洲一区制服无码中字,亚洲精品第一国产综合精品99 ,一本大道中文日本香蕉

  效果不錯的開源Embedding：M3E-BASE

發(fā)布日期：2023/7/28 4:59:55      瀏覽量：

Moka Massive Mixed Embedding ， 簡稱： M3E-BASE
重要的點：模型開源， 代碼開源 ， 調(diào)用方式（狗哥的測試代碼）
模型：https://huggingface.co/moka-ai/m3e-base
項目源碼：https://github.com/wangyuxinwhy/uniem
本地調(diào)用方式（python）：


import numpy as np
from flask import Flask, jsonify, request
from sentence_transformers import SentenceTransformer
model = SentenceTransformer(’m3e-base’) 
app = Flask(__name__)
models = {
掃碼加
查看更多
 #’text-embedding-ada-002’: EmbeddingModel() 原來這里一直用openai的ada，現(xiàn)在可
以用m3e替換
}
@app.route(’/v1/embeddings’, methods=[’POST’])
def embed_text():
 data = request.get_json()
 texts = data.get(’input’, [])
 #model_name = data.get(’model’, ’’)
 if not isinstance(texts, list):
 return jsonify({’error’: ’inputs must be a list’}), 400
 #if model_name not in models:
 # return jsonify({’error’: ’model not supported’}), 400
 #model = models[model_name]
#這里直接換車m3e-base
 result = {
 ’data’: [],
 ’model’: ’m3e-base’,
 ’object’: ’list’,
 ’usage’: {
 ’prompt_tokens’: 0,
 ’total_tokens’: 0
 }
 }
 embeddings = model.encode(texts)
 for i, embedding in enumerate(embeddings):
 normalized_embedding = embedding / np.linalg.norm(embedding)
 result[’data’].append({
 ’embedding’: normalized_embedding.tolist(), # Convert numpy array to
list
 ’index’: i,
 ’object’: ’embedding’
 })
 return jsonify(result)
# 結(jié)果就在result，你后邊自己用哪個向量庫，就用哪個，有興趣的小伙伴可以考慮將這個向
量化流程整合到dify，這樣大家都可以使用了。
if __name__ == ’__main__’:
 app.run(host=’0.0.0.0’, port=5000)