【嵌入】基于nomic-embed-text-v1.5和HuggingFaceEmbeddings实现

已于 2025-02-06 13:10:28 修改
阅读量385 收藏
点赞数
分类专栏： AI入门与实战 文章标签： 人工智能 深度学习 机器学习 embedding
于 2025-02-05 17:13:06 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/commshare/article/details/145456176
版权

测试代码

model_name = '/media/zhangbin/DATA/DataCache/nomic-ai/nomic-embed-text-v1.5'

import os


os.environ['HF_HOME'] = '/media/zhangbin/DATA/DataCache/'

#os.environ["TRANSFORMERS_CACHE"] = "/media/zhangbin/DATA/DataCache/"
# 确保目录结构正确
if not os.
了解本专栏 订阅专栏 解锁全文 超级会员免费看
SpringAI + Ollama + deepseek + nomic-embed-text搭建本地知识库
loser.with.m的博客
04-07 516
本文采用SpringAI框架，结合本地通过Ollama部署的DeepSeek-R1，向量模型采用nomic-embed-text，向量数据库采用ElasticSearch
本地算力部署大模型详细流程（二）
小钟不想敲代码
03-14 504
本地算力部署大模型详细流程（二）
使用Nomic Embeddings进行文本嵌入与查询
qq_29929123的博客
07-06 1501
在本篇文章中，我们将介绍如何使用Nomic v1.5嵌入模型来处理文本数据，并展示如何构建一个简单的端到端RAG（Retrieval-Augmented Generation）管道。我们将使用OpenAI模型来进行生成步骤，并提供一个完整的示例代码。
使用Nomic-Embed-Text-v1.5模型提高文本相似性任务的效率
gitblog_02480的博客
12-23 1165
使用Nomic-Embed-Text-v1.5模型提高文本相似性任务的效率 nomic-embed-text-v1.5 项目地址: https://gitcode.com/mirrors/nomic-ai/nomic-embed...
常见问题解答：关于Nomic-Embed-Text-V1.5模型
gitblog_02919的博客
12-18 1147
常见问题解答：关于Nomic-Embed-Text-V1.5模型 nomic-embed-text-v1.5 项目地址: https://gitcode.com/mirrors/nomic-ai/nomic-embed-text...
Nomic-Embed-Text-v1.5 与其他模型的对比分析
gitblog_02355的博客
12-16 2794
Nomic-Embed-Text-v1.5 与其他模型的对比分析 nomic-embed-text-v1.5 项目地址: https://gitcode.com/mirrors/nomic-ai/nomic-embed-text...
Nomic-Embed-Text-v1.5 模型安装与使用教程
gitblog_02125的博客
12-12 8151
Nomic-Embed-Text-v1.5 模型安装与使用教程 nomic-embed-text-v1.5 项目地址: https://gitcode.com/mirrors/nomic-ai/nomic-embed-text-...
新手指南：快速上手Nomic Embed Text v1.5模型
gitblog_02456的博客
12-19 1350
新手指南：快速上手Nomic Embed Text v1.5模型 nomic-embed-text-v1.5 项目地址: https://gitcode.com/mirrors/nomic-ai/nomic-embed-text...
langchain教程-7.Embedding/文本向量化
the_3rd_bomb的博客
02-06 1017
两个向量。
使用Hugging Face进行文本嵌入：实践指南
Shell726的博客
01-22 532
文本嵌入是将文本转换为向量的过程，使其在计算机中以数值形式表示，以便进行进一步的处理和分析。在众多提供文本嵌入的工具中，Hugging Face因其丰富的模型和方便的接口备受欢迎。
Coggle数据科学 | 小白学RAG：HuggingFace Text Embeddings Inference
csdn_xmj的博客
02-08 1007
文本嵌入推理 (Text Embeddings Inference, TEI) 是一个用于部署和服务开源文本嵌入及序列分类模型的工具包。TEI 为最流行的模型（如 FlagEmbedding、Ember、GTE 和 E5）提供了高性能的推理能力。
使用LangChain+Ollama的时候怎么使用其他的embedding模型
qysh123的专栏
06-25 4620
其中有两个是Deprecated的，而我们平时用到的HuggingFace的embedding model都基本以SentenceTransformer形式提供，我测试了一下，embeddings.huggingface.HuggingFaceBgeEmbeddings这个类是可以使用的，embeddings.huggingface.HuggingFaceInstructEmbeddings这个会报错，也没有仔细检查原因。经过测试，发现比Ollama自己的embedding模型的中文效果好多了。
深入了解 nomic-embed-text-v1.5：应用案例分享
gitblog_02543的博客
12-11 1076
深入了解 nomic-embed-text-v1.5：应用案例分享 nomic-embed-text-v1.5 项目地址: https://gitcode.com/mirrors/nomic-ai/nomic-embed-tex...
深度学习模型[nomic-embed-text-v1.5]的配置与环境要求
gitblog_02275的博客
01-18 914
深度学习模型[nomic-embed-text-v1.5]的配置与环境要求 nomic-embed-text-v1.5 项目地址: https://gitcode.com/mirrors/nomic-ai/nomic-embed...
深度解析[nomic-embed-text-v1.5]模型的参数设置
gitblog_02225的博客
12-31 1224
深度解析[nomic-embed-text-v1.5]模型的参数设置 nomic-embed-text-v1.5 项目地址: https://gitcode.com/mirrors/nomic-ai/nomic-embed-te...
Ollama Embedding 模型mxbai-embed-large 和 nomic-embed-text区别
m0_57327599的博客
02-08 4131
mxbai-embed-large 和 nomic-embed-text 是两种主流的开源嵌入模型，均适用于检索增强生成（RAG）等自然语言处理任务，但在性能、架构和应用场景上存在显著差异。以下是两者的主要区别：
DeepSeek-R1私有化部署实战：搭建RAG知识库
oXiaYuLiao的博客
02-10 1266
本文就基于苹果 M 系列笔本电脑+Ollama+DeepSeek-R1+Cherry Studio 来部署个人本地的大模型聊天助手和RAG知识库。
Java + Ollama + DeepSeek + Milvus：构建私有知识库问答系统
weixin_44385380的博客
02-28 2009
我们将实现一个系统，该系统能够：使用 Ollama 提供的文本嵌入功能，将文本转换为向量。将这些向量存储在 Milvus 向量数据库中。使用 DeepSeek 模型根据用户问题生成回答。结合 Milvus 中存储的私有知识库，提供更准确的问答服务。通过结合 Java、Ollama、DeepSeek 和 Milvus，我们成功构建了一个基于私有知识库的问答系统。Milvus 提供了高效的向量存储和检索功能，Ollama 提供了强大的文本嵌入服务，而 DeepSeek 则负责生成自然语言回答。
nomic-embed-text:latest
最新发布
03-31
<think>好的，用户想查找有关nomic-embed-text最新版本的信息。首先，我需要回忆一下系统提供的引用内容。引用[1]提到安装时需要运行`ollama pull nomic-embed-text:latest`，而引用[3]也提到了同样的命令，还有安装mistral模型的步骤。看起来用户可能已经知道如何拉取最新版本，但需要确认具体版本号或更新内容。 接下来，我需要检查系统里是否有更详细的信息。根据现有的引用，没有直接提到版本号，但通常使用`:latest`标签会获取最新的稳定版本。不过用户可能想知道具体的版本号或者更新日志。这时候可能需要指导用户如何通过Ollama的命令获取更多信息，比如`ollama list`查看已安装的模型，或者访问官方文档。 另外，引用[2]提到Elasticsearch相关的代理文档，可能与当前问题无关，但需要确认是否还有其他引用被遗漏。确认后，主要信息来自引用[1]和[3]。 用户可能需要知道如何验证他们安装的是否是最新版本，或者如何更新。可能需要建议他们运行`ollama pull nomic-embed-text:latest`来确保获取最新版，并检查Ollama的官方源或GitHub仓库获取版本历史。如果用户已经安装了旧版本，可能需要运行`ollama pull`命令来更新。 还要考虑到用户可能遇到的常见问题，例如网络问题导致拉取失败，或者如何确认模型版本是否正确安装。这时候可能需要指导他们使用`ollama list`命令列出本地模型，查看对应的版本标签。 总结来说，回答需要包括获取最新版的命令，确认版本的方法，以及建议查阅官方资源的步骤。同时，要提醒用户`:latest`标签的含义，可能存在的版本变动情况，确保他们了解如何保持模型更新。</think>关于nomic-embed-text最新版本的信息，根据引用内容可归纳如下： 1. **安装命令确认** 根据引用[1][3]显示，最新版本始终使用`:latest`标签获取： ```bash ollama pull nomic-embed-text:latest ``` 该命令会自动下载最新稳定版，无需指定版本号[^1][^3]。 2. **版本验证方法** - 执行`ollama list`查看已下载模型的版本标识 - 对比Ollama官方模型库的更新日志（建议访问[Nomic AI官方GitHub仓库](https://github.com/nomic-ai)获取最新版本说明） 3. **已知应用场景** 该模型主要用于文本嵌入（embedding）任务，与引用[2]提到的Elasticsearch文档检索场景有直接关联，可支持语义搜索功能[^2]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

等风来不如迎风去

你的鼓励是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值