日本熟妇hd丰满老熟妇,中文字幕一区二区三区在线不卡 ,亚洲成片在线观看,免费女同在线一区二区

AI 助理
備案控制臺
文檔
輸入文檔關鍵字查找
首頁 向量檢索服務 實踐教程 文本向量生成 Jina AI

通過Jina Embeddings模型將文本轉換為向量

更新時間：
產品詳情
我的收藏

本文介紹如何通過Jina Embeddings v2模型將文本轉換為向量，并入庫至向量檢索服務DashVector中進行向量檢索。

前提條件

Jina Embeddings v2模型

簡介

Jina Embeddings v2模型，唯一支持 8192 個詞元長度的開源向量模型，在大規模文本向量化基準 (MTEB) 的功能和性能方面與 OpenAI 的閉源模型 text-embedding-ada-002 相當。

模型名稱

向量維度

度量方式

向量數據類型

備注

jina-embeddings-v2-small-en

512

Cosine

Float32

  • 詞元長度限制：8192

jina-embeddings-v2-base-en

768

Cosine

Float32

  • 詞元長度限制：8192

jina-embeddings-v2-base-zh

768

Cosine

Float32

  • 詞元長度限制：8192

說明

關于Jina Embeddings v2模型更多信息請參考：Jina Embeddings v2模型

使用示例

說明

需要進行如下替換代碼才能正常運行：

  1. DashVector api-key替換示例中的{your-dashvector-api-key}

  2. DashVector Cluster Endpoint替換示例中的{your-dashvector-cluster-endpoint}

  3. Jina AI api-key替換示例中的{your-jina-api-key}

from dashvector import Client
import requests
from typing import List


# 調用Jina Embeddings v2模型，將文本embedding為向量
def generate_embeddings(texts: List[str]):
    headers = {
      'Content-Type': 'application/json',
      'Authorization': 'Bearer {your-jina-api-key}'
    }
    data = {'input': texts, 'model': 'jina-embeddings-v2-base-zh'}
    response = requests.post('https://api.jina.ai/v1/embeddings', headers=headers, json=data)
    return [record["embedding"] for record in response.json()["data"]]
    

# 創建DashVector Client
client = Client(
    api_key='{your-dashvector-api-key}',
    endpoint='{your-dashvector-cluster-endpoint}'
)

# 創建DashVector Collection
rsp = client.create('jina-text-embedding', 768)
assert rsp
collection = client.get('jina-text-embedding')
assert collection

# 向量入庫DashVector
collection.insert(
    ('ID1', generate_embeddings(['阿里云向量檢索服務DashVector是性能、性價比具佳的向量數據庫之一'])[0])
)

# 向量檢索
docs = collection.query(
    generate_embeddings(['The best vector database'])[0]
)
print(docs)