探索Oracle AI Vector Search的嵌入生成：一步到位的指南

afTFODguAKBF

于 2024-10-07 02:26:07 发布

阅读量92

点赞数 2

文章标签： oracle 人工智能数据库 python

本文链接：https://blog.csdn.net/afTFODguAKBF/article/details/142734451

版权

# 引言
Oracle AI Vector Search是为AI工作负载设计的，它允许你基于语义而非关键词来查询数据。其最大的优势在于它将非结构化数据的语义搜索与业务数据的关系搜索合二为一，消除了多系统间数据碎片化的烦恼。这篇文章将带你深入了解如何使用Oracle AI Vector Search生成文档嵌入。

# 主要内容

## 嵌入生成的优势
Oracle AI Vector Search不仅整合了Oracle数据库的强大功能，如分区支持、Exadata智能扫描、事务处理和安全性，还支持与第三方提供商的集成。

## 环境准备
- 安装Oracle Python客户端:
  ```bash
  pip install oracledb

连接到Oracle数据库

连接数据库是使用Oracle AI Vector Search的第一步：

import sys
import oracledb

username = "<username>"
password = "<password>"
dsn = "<hostname>/<service_name>"

try:
    conn = oracledb.connect(user=username, password=password, dsn=dsn)
    print("Connection successful!")
except Exception as e:
    print("Connection failed!")
    sys.exit(1)

上传ONNX模型

在数据库中使用ONNX模型进行嵌入生成：

from langchain_community.embeddings.oracleai import OracleEmbeddings

onnx_dir = "DEMO_DIR"
onnx_file = "tinybert.onnx"
model_name = "demo_model"

try:
    OracleEmbeddings.load_onnx_model(conn, onnx_dir, onnx_file, model_name)
    print("ONNX model loaded.")
except Exception as e:
    print("ONNX model loading failed!")
    sys.exit(1)

创建凭据

对于选择第三方提供商的用户，需要创建相应的凭据：

try:
    cursor = conn.cursor()
    cursor.execute(
        """
       declare
           jo json_object_t;
       begin
           dbms_vector_chain.drop_credential(credential_name  => 'HF_CRED');
           jo := json_object_t();
           jo.put('access_token', '<access_token>');
           dbms_vector_chain.create_credential(
               credential_name   =>  'HF_CRED',
               params            => json(jo.to_string));
       end;
       """
    )
    cursor.close()
    print("Credentials created.")
except Exception as ex:
    cursor.close()
    raise

嵌入生成

下述代码示例展示了如何使用Oracle AI Vector Search生成嵌入：

from langchain_community.embeddings.oracleai import OracleEmbeddings

embedder_params = {"provider": "database", "model": "demo_model"}
embedder = OracleEmbeddings(conn=conn, params=embedder_params)
embed = embedder.embed_query("Hello World!")

print(f"Embedding generated by OracleEmbeddings: {embed}")